学习python使用Ultralytics的YOLO26进行目标检测的基本用法

  Ultralytics YOLO26是Ultralytics推出的最新版YOLO模型,专为边缘计算和低功耗设备设计,核心目标是在保持高精度的前提下,极致优化部署效率,而非单纯追求复杂的网络结构。
  YOLO26的技术创新及主要功能包括:
  1)端到端无NMS推理 :原生去除了传统依赖的非极大值抑制(NMS)后处理步骤,直接输出最终检测结果,极大简化了部署流程,并降低了延迟;
  2)移除分布焦点损失(DFL) :通过简化边界框预测流程,提升了模型在各种边缘硬件上的兼容性和导出便利性;
  3)全新MuSGD优化器 :融合了传统SGD与大语言模型训练中的Muon技术,增强了训练稳定性,实现了更快的收敛速度;
  4)ProgLoss + STAL机制:引入了渐进式损失平衡与小目标感知标签分配,显著提升了模型对小目标和复杂场景的检测精度。
  YOLO26支持检测、分割、分类、姿势估计、旋转框检测等任务,不同的任务对应不同的模型,下图为目标检测所使用的模型信息及指标:

  选择中型规模的目标检测模型yolo26m进行功能验证,代码比较简单,示例程序及运行效果如下图所示:

python 复制代码
from ultralytics import YOLO

model = YOLO(r"yolo26m.pt")
results = model('test2-scaled.jpg')
results[0].show()

参考文献:

1https://docs.ultralytics.com/zh/models/yolo26/

相关推荐
yiangL_6 分钟前
1、Python 输入输出实验|print 与 input 人机交互实践
开发语言·python·人机交互
高洁0136 分钟前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习
数字融合1 小时前
透明化视频动态三维重建空间数据零核心技术
人工智能·python·virtualenv
AI创界者1 小时前
Python 进阶实战(五十四章):大模型推理网关终极架构——分布式全局前缀 Trie 缓存同步与多网关高可用协同调度
人工智能·python·aigc
萧子琦2 小时前
零第三方依赖能做到什么程度?开源两个纯标准库安全小工具:StarShield Forensics 与澄镜 ClearLens
python
用户91294046848422 小时前
Codex 从零到能交付(19):让 Codex 做代码审查:发现问题后怎样验证
python
小白勇闯网安圈2 小时前
day_2
python
叮当小飞鱼2 小时前
RAG幻觉
python
赵大仁3 小时前
Agent 工具调用可靠性:超时、重试、幂等与人工确认怎么设计
python·agent·幂等·工具调用·人工确认
__underline__4 小时前
冷门Python知识点007篇:list[int]不是类,为什么能当基类?
后端·python