Phát hiện đối tượng định hướng YOLO
Phát hiện đối tượng ở bất kỳ góc nào với bounding box xoay. Các mô hình OBB YOLO26 của Ultralytics khớp chặt chẽ với tàu thuyền, phương tiện, tòa nhà và văn bản ở những nơi mà các hộp căn chỉnh theo trục chồng chéo và thất bại — lý tưởng cho hình ảnh vệ tinh và hàng không.
Các mô hình OBB YOLO26
Các mô hình YOLO26-obb dự đoán các bounding box xoay ở độ phân giải 1024-pixel, được xây dựng cho hình ảnh vệ tinh và hàng không, nơi các đối tượng xuất hiện ở các góc bất kỳ. Năm kích thước cân bằng giữa tốc độ và độ chính xác, và tất cả đều có thể fine-tune trên các tập dữ liệu hộp xoay tùy chỉnh bằng quy trình làm việc tiêu chuẩn.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 OBB model
model = YOLO("yolo26n-obb.pt")
# Run inference
results = model("image.jpg")| Model | Kích thước (px) | mAP 50-95 (e2e) | mAP 50 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-obb | 1024 | 52.4 | 78.9 | 97.7 ± 0.9 | 2.8 ± 0.0 | 2.5 | 14.0 |
| YOLO26s-obb | 1024 | 54.8 | 80.9 | 218.0 ± 1.4 | 4.9 ± 0.1 | 9.8 | 55.1 |
| YOLO26m-obb | 1024 | 55.3 | 81.0 | 579.2 ± 3.8 | 10.2 ± 0.3 | 21.2 | 183.3 |
| YOLO26l-obb | 1024 | 56.2 | 81.6 | 735.6 ± 3.1 | 13.0 ± 0.2 | 25.6 | 230.0 |
| YOLO26x-obb | 1024 | 56.7 | 81.7 | 1485.7 ± 11.5 | 30.5 ± 0.9 | 57.6 | 516.5 |
Các benchmark phát hiện xoay YOLO26 từ tài liệu Ultralytics.
Được tin dùng bởi các tổ chức hàng đầu thế giới
Tác động từ các model của chúng tôi
Hợp lý hóa quy trình giữa các ngành công nghiệp với các model AI thị giác tiên tiến của chúng tôi. Tốc độ, độ chính xác và tính dễ sử dụng được hỗ trợ bởi Ultralytics.
Sự phát triển của các model Ultralytics YOLO
Xem cách Ultralytics YOLO phát triển từ workflow YOLOv5 thực tiễn sang inference YOLO26 sẵn sàng cho Edge.
Đã giúp việc phát hiện đối tượng thời gian thực trở nên dễ tiếp cận với một workflow PyTorch nhanh chóng và thực tế.
Mở rộng quy trình làm việc thống nhất trên các tác vụ phát hiện, phân đoạn, phân loại, pose và OBB.
Cải thiện độ chính xác, tốc độ và hiệu suất trong khi vẫn giữ nguyên quy trình làm việc quen thuộc của Ultralytics.
Đã giới thiệu tính năng inference end-to-end và một kiến trúc được tối ưu hóa cho việc triển khai edge hiệu quả.
Gán nhãn nhanh hơn tới 10 lần với tính năng gán nhãn thông minh
Nền tảng Ultralytics cung cấp công cụ gán nhãn hình ảnh giúp bạn xây dựng tập dữ liệu chất lượng cao nhanh hơn. Từ tính năng gán nhãn thông minh đến chỉnh sửa thủ công chính xác, các tính năng này được thiết kế để giảm thời gian gán nhãn hình ảnh mà không làm giảm chất lượng.
- Gán nhãn thông minh dựa trên SAM: Mask và bounding box chỉ với một cú nhấp chuột.
- Hỗ trợ đầy đủ các tác vụ AI: Phát hiện đối tượng, phân đoạn thực thể, phân đoạn ngữ nghĩa, phân loại, pose, OBB.
- Hỗ trợ định dạng phổ quát: Tùy chọn của bạn bao gồm YOLO, COCO, VOC và nhiều định dạng khác.
- Đánh giá nhóm và quản lý phiên bản: Cộng tác minh bạch trong từng bước thực hiện.
Huấn luyện trên các GPU tốt nhất với chi phí thấp hơn
26 GPU NVIDIA với giá từ $0.24/giờ — từ Ampere đến Blackwell. Không phụ phí, không yêu cầu tối thiểu, không cam kết.
Triển khai ở mọi nơi
Export sang 20 định dạng và triển khai trên edge, cloud và mobile.
Khám phá các giải pháp ngành
Xem cách các nhóm áp dụng thị giác máy tính của Ultralytics trong các môi trường sản xuất.
AI trong nông nghiệp
AI trong ô tô
AI trong y tế
AI trong logistics
AI trong sản xuất
AI trong bán lẻ
AI trong robot
AI trong nông nghiệp
AI trong ô tô
AI trong y tế
AI trong logistics
AI trong sản xuất
AI trong bán lẻ
AI trong robot
AI trong nông nghiệp
AI trong ô tô
AI trong y tế
AI trong logistics
AI trong sản xuất
AI trong bán lẻ
AI trong robot
Các câu hỏi thường gặp
Phát hiện đối tượng định hướng dự đoán các bounding box xoay khớp với hướng thực tế của mỗi đối tượng thay vì các hình chữ nhật căn chỉnh theo trục. Đối với các đối tượng kéo dài hoặc đóng gói dày đặc — tàu trong bến cảng, xe trong bãi đậu xe, dòng văn bản trên tài liệu — các hộp xoay khớp chặt chẽ và tránh sự chồng chéo khiến các hộp tiêu chuẩn trở nên mơ hồ.
Sử dụng OBB khi các đối tượng xuất hiện ở các góc xoay bất kỳ và hướng hoặc phạm vi chặt chẽ của chúng là quan trọng: hình ảnh vệ tinh và hàng không, kiểm tra bằng drone, phân tích tài liệu và các cảnh công nghiệp nhìn từ trên cao. Nếu các đối tượng chủ yếu thẳng đứng và hướng không liên quan, phát hiện đối tượng tiêu chuẩn sẽ đơn giản và hiệu quả tương đương.
Các mô hình OBB Ultralytics YOLO26 là điểm bắt đầu được khuyến nghị, đã được huấn luyện trước trên benchmark hình ảnh hàng không DOTA và có sẵn ở các kích thước từ nano đến extra-large. Chúng chia sẻ cùng quy trình huấn luyện, đánh giá và xuất khẩu như mọi tác vụ Ultralytics YOLO khác.
Chú thích các hộp xoay theo định dạng YOLO OBB và chạy chế độ huấn luyện, hoặc sử dụng Ultralytics Platform để chú thích, huấn luyện trên GPU đám mây và đánh giá kết quả trong trình duyệt. Fine-tuning từ trọng số đã huấn luyện trước trên DOTA là con đường nhanh nhất cho hầu hết các tập dữ liệu hàng không.
Xuất các mô hình OBB bằng chế độ xuất khẩu sang ONNX, TensorRT, OpenVINO và các định dạng khác. Đầu ra hộp xoay được tạo trực tiếp bởi mô hình đã xuất, giữ cho các pipeline suy luận đơn giản trên các thiết bị edge, drone và máy chủ.
Xây dựng phát hiện định hướng với Ultralytics
Chú thích các hộp xoay, huấn luyện các mô hình OBB YOLO26 và triển khai chúng ở bất kỳ đâu với Ultralytics Platform.