YOLO26

קוד פתוח

Ultralyticsagpl-3.02026-01-26

ultralytics
yolo
object-detection
instance-segmentation
image-classification

משפחת מודלי ראייה ממוחשבת שמגיעה בנפח כולל של 1.1 גיגה בייט. היא פותרת משימות זיהוי, מקטוע ועומק בזמני ריצה נמוכים במיוחד על מעבדים וכרטיסי מסך.

1.1 GBמשקל הקבצים
16,301הורדות בחודש
165לייקים

מה זה

המאגר מרכז סדרה של משקלים לאימון והסקה במשימות ראייה ממוחשבת מגוונות. לצד זיהוי אובייקטים קלאסי על שמונים מחלקות של מאגר COCO, המודלים מותאמים גם למקטוע תמונה, מקטוע סמנטי בערים, שערוך עומק לפי פיקסלים וסיווג כללי.

בגרסאות הזיהוי הבסיסיות, הביצועים נעים בין ציון mAP של 40.9 בגרסת ה־Nano הקטנה ועד ל־57.5 בגרסת ה־X. המשמעות בפועל היא שהגרסה הקלה מתפשרת מראש על דיוק גילוי של עצמים קשים או קטנים כדי לספק זמני תגובה של כ־39 מילישניות על גבי מעבד. לעומתה, הדגמים הגדולים מגיעים לרמת דיוק גבוהה משמעותית אך דורשים כוח עיבוד של פי חמישה ומעלה כדי לא להיתקע.

מתאים ל

זיהוי וידאו בזמן אמת
גרסאות ה־Nano מגיעות לזמני תגובה של פחות משתי מילישניות על כרטיס T4, שמתאימים למעקב רציף אחר עצמים.
שערוך עומק מתוך תמונה
מודלי ה־depth מנפקים הערכת מרחק לפי פיקסלים ללא צורך בחיישני לייזר ייעודיים.
מקטוע סמנטי ברזולוציה גבוהה
גרסאות ה־sem מספקות דיוק mIoU מעל שמונים ברזולוציית 2048 פיקסלים על תמונות רחוב.

איפה זה נופל

ההסתמכות על מעבדים רגילים בעייתית מאוד מחוץ למודלי ה־Nano. ברגע שעוברים לגרסת ה־x, זמן ההסקה על מעבד מזנק ל־525 מילישניות לזיהוי ולמעלה משנייה שלמה בשערוך עומק, מה שפוסל עבודה בזמן אמת בלי כרטיס מסך. בנוסף, תוצאות העומק שמציגות דיוק גבוה נשענות בחלקן על שיטות התאמה מרובות קנה מידה בזמן בדיקה, וכאשר מריצים בדיקה ישירה ללא התאמות אלו, שיעור הדיוק במודל הקטן צונח מ־0.882 ל־0.783.

שאלות
נפוצות

האם אפשר להריץ את המודלים על חומרת מעבד בלבד?

זה אפשרי טכנית רק בגרסאות ה־Nano וה־Small שמתוכננות לזמני ריצה של עשרות מילישניות. בגרסאות הגדולות יותר העיבוד דורש מאות מילישניות לתמונה, ולכן אינו מתאים לשימוש שוטף ללא מאיץ גרפי.

האם מותר להטמיע את המודל במוצר סגור של החברה שלי?

לא תחת הרישיון החינמי. רישיון AGPL-3.0 מחייב פתיחה של כל קוד המערכת שמריצה אותו, כך שעבור מוצר קנייני סגור תצטרכו להסדיר רישיון מסחרי מול Ultralytics.

איך מריצים

ההתקנה מתבצעת ישירות דרך פייתון עם ספריית ultralytics, כאשר דרישות הסף הן גרסת פייתון 3.8 ומעלה לצד PyTorch 1.8 ומעלה. את הקבצים טוענים בפקודת קוד אחת, וניתן לייצא אותם ישירות לפורמטים כמו ONNX או TensorRT להאצת ביצועים.

מבחינת חומרה, גרסאות ה־Nano וה־Small מתוכננות לרוץ על מעבדי אינטל רגילים או מאיצים זולים כמו כרטיס T4, שבו גרסת ה־Nano משלימה הסקה בתוך 1.7 מילישניות בלבד. הדגמים הגדולים יותר, כמו l ו־x, כבר מייצרים מעל מאה מיליארד פעולות חישוב ומחייבים כרטיס מסך ייעודי כדי לפעול בזמן אמת, כך שאם אין לכם תשתית כזו בשרת עדיף להפנות את המשימה לשירות ענן מרוחק.

pip install -U huggingface_hub
hf download Ultralytics/YOLO26

הרישיון

הקוד והמשקלים מופצים תחת רישיון AGPL-3.0. רישיון זה מחייב אתכם לחשוף ולשחרר את קוד המקור המלא של המוצר שלכם באותו רישיון אם אתם מציעים אותו כשירות רשת. עבור חברות שלא יכולות או מעוניינות לחשוף את הקוד שלהן, נדרש לרכוש רישיון מסחרי נפרד מהיוצרים.

הרישיון המלא בעמוד המודל ↗