Canonical: https://instain.ru/ai/ultralytics-yolo/
Language: ru

Ultralytics  семейство моделей компьютерного зрения

# Ultralytics YOLO. 

Обнаружение объектов с настройкой классов и порога

4.53 / 5    [Оценка каталога](https://instain.ru/ai/ultralytics-yolo/#editorial-rating) [Официальный сайт ](https://docs.ultralytics.com/modes/predict)

В режиме обнаружения модель возвращает классы, рамки и оценки. Разработчик может запустить готовые веса либо обучить вариант для размеченной выборки.

![Справка Ultralytics с параметрами режима предсказания](https://instain.ru/assets/images/ultralytics-yolo-screen-6fbf8233d6ab-1200.webp)

Справка Ultralytics с параметрами режима предсказания.  [Открыть источник ](https://docs.ultralytics.com/modes/predict)

## Сначала уточните, что считать объектом

Для учебной камеры на складе недостаточно попросить найти коробки. Нужно решить, считать ли частично закрытую коробку и что делать с упаковкой в отражении. У Ultralytics YOLO режим обнаружения выдает рамки, классы и оценки. Сопоставьте нужную задачу со списком классов конкретных весов. Если нужен вид предмета, которого нет в списке, понадобится своя разметка и отдельная проверка после обучения.

## Порог влияет на два вида ошибок

Снимите несколько учебных кадров с мелкими объектами у края, похожими предметами и пустой сценой. На одном наборе сравните разные пороги. Более строгий порог может убрать ложные рамки и одновременно скрыть полезное обнаружение. Запишите оба эффекта, а не только число срабатываний. Если камера будет работать при другом освещении, оставьте часть таких кадров отдельно.

## Как разметить контрольную выборку

Согласуйте правила рамки для частично видимого предмета и зафиксируйте, как размечать несколько перекрывающихся экземпляров. Кадры из одного видео легко оказываются почти одинаковыми. Разделяйте по записи или дате, если хотите увидеть поведение на новых сценах. Перед рабочим внедрением проверьте вычислительную задержку, выбранный размер входа и лицензирование. На одном хорошем примере видно формат результата, но условия использования и надежность проверяются отдельно. Зафиксируйте настройки, чтобы позднее повторить измерения. Храните рядом с результатом несколько исходных контрольных кадров.

## Для каких задач подходит

- Проверить распознавание объектов на тестовых кадрах

- Сравнить пропуски и лишние рамки при разных порогах

Возможности 

## Сильные стороны

- Есть отдельные режимы предсказания и обучения

- Документация описывает входы, пороги и форматы результата

Стоит учитывать 

## Ограничения

- Предобученная модель ограничена набором своих классов

- Порог уверенности не заменяет контрольную выборку

## Выбор и условия

Бесплатный режим

Да

Пробный период

Не подтверждено

Без регистрации

Не подтверждено

Русский интерфейс

Не подтверждено

Локальная установка

Да

API

Не подтверждено

«Не подтверждено» означает, что сведений недостаточно. Возможность может существовать; сверяйте условия разработчика.

Исходные форматы

Изображение, Видео

Результат

Данные

### Условия

Ultralytics публикует условия AGPL и коммерческий вариант лицензирования. Перед внедрением проверьте условия кода и весов для своего способа использования. Предобученная модель ограничена набором своих классов.

От задачи к первому результату

## Практический пример

Задача

Проверить распознавание объектов на тестовых кадрах

Что подготовить

Учебные кадры с известными объектами, похожими предметами и пустой сценой.

### Задание или запрос

Прогони детектор на одинаковых кадрах при разных порогах. Сохрани классы, координаты рамок и оценки.

### Ожидаемый результат

Список правильных рамок, пропусков и лишних срабатываний с указанием порога.

### Как проверить результат

- Посмотрите отдельно редкие классы и объекты на краю кадра.

- Проверьте, что тренировочные кадры не попали в проверочную выборку.

Редакционный учебный пример постановки задачи, а не результат личного тестирования сервиса. Проверьте доступность нужного режима, права на исходники и условия использования результата.

Проверить подробности

## Официальные источники

-  [Предсказания с Ultralytics YOLO ](https://docs.ultralytics.com/modes/predict)

-  [Обучение моделей Ultralytics YOLO ](https://docs.ultralytics.com/modes/train)

-  [Официальные условия лицензирования Ultralytics ](https://www.ultralytics.com/license)

Описание составлено по материалам разработчика. Возможности, цены и доступность могут меняться; перед использованием сверяйтесь с первоисточником.

Коротко об инструменте

Разработчик

Ultralytics

Категория

[Изображения](https://instain.ru/category/images/)

Доступ

Нужны Python или командная строка, поддерживаемая модель и тестовые изображения. Для обучения понадобятся размеченные данные и подходящие вычислительные ресурсы.

Оплата

Ultralytics публикует условия AGPL и коммерческий вариант лицензирования. Перед внедрением проверьте условия кода и весов для своего способа использования.

API

Отдельный API не указан

[Условия разработчика ](https://www.ultralytics.com/license)

Оценка каталога

4.53 / 5 

Возможности

4.60 / 5 

Рабочие сценарии

4.30 / 5 

Экосистема

4.60 / 5 

Документация

4.60 / 5 

Баллы — ориентир каталога. Они не являются отзывами пользователей или результатом личного тестирования.

[Посмотреть методологию ](https://instain.ru/methodology/)