Bildklassifizierung mit Ultralytics YOLO#
Bildklassifizierung ist die einfachste der unterstützten Aufgaben und umfasst die Klassifizierung eines gesamten Bildes in eine von mehreren vordefinierten Klassen.
Die Ausgabe eines Bildklassifizierers besteht aus einem einzelnen Klassenlabel und einem Konfidenzwert. Die Bildklassifizierung ist nützlich, wenn du nur wissen musst, zu welcher Klasse ein Bild gehört, und nicht, wo sich Objekte dieser Klasse befinden oder welche genaue Form sie haben.
Watch: Explore Ultralytics YOLO Tasks: Image Classification using Ultralytics Platform
YOLO26-Classify-Modelle verwenden das Suffix -cls, also yolo26n-cls.pt, und sind auf ImageNet vortrainiert.
Modelle#
Hier werden vortrainierte YOLO26-Classify-Modelle gezeigt. Detect-, Segment- und Pose-Modelle sind auf dem Datensatz COCO vortrainiert, Semantic-Modelle auf Cityscapes und Classify-Modelle auf dem Datensatz ImageNet.
Modelle werden bei der ersten Verwendung automatisch aus dem neuesten Release von Ultralytics heruntergeladen.
| Modell | Größe (Pixel) | acc top1 | acc top5 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) bei 224 |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.4 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.5 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.8 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.0 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.5 |
- Die acc-Werte sind die Modellgenauigkeiten auf dem Validierungssatz des Datensatzes ImageNet.
Reproduzieren mityolo val classify data=path/to/ImageNet device=0 - Speed wurde über ImageNet-Validierungsbilder auf einer Amazon-EC2-P4d-Instanz gemittelt.