Ultralytics YOLO-Depth
Sage die Entfernung zu jeder sichtbaren Oberfläche aus einem einzigen RGB-Bild voraus. YOLO26 Tiefenmodelle fügen metrisches 3D-Raumbewusstsein hinzu, ohne dass spezielle Tiefensensoren, Stereokameras oder Lidar erforderlich sind.
YOLO26 Tiefenschätzungsmodelle
YOLO26-depth Modelle sagen eine dichte Tiefenkarte in Metern aus einem RGB-Bild voraus. Fünf Modellgrößen decken das Spektrum vom Edge-Deployment bis hin zur präzisionskritischen räumlichen Analyse ab, wobei die veröffentlichten Gewichte auf ca. 2,19 Millionen Innen- und Außenaufnahmen vortrainiert und auf dem NYU Depth V2 Eigen Test-Split evaluiert wurden.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 depth model
model = YOLO("yolo26n-depth.pt")
# Predict metric depth at the model training resolution
results = model("image.jpg", imgsz=768)
depth_map = results[0].depth.data.cpu().numpy()| Modell | Größe (px) | delta1 | abs_rel | RMSE (m) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO26n-depth | 768 | 0.882 | 0.109 | 0.414 | 6.4 | 46.9 |
| YOLO26s-depth | 768 | 0.896 | 0.104 | 0.399 | 13.2 | 67.9 |
| YOLO26m-depth | 768 | 0.921 | 0.089 | 0.364 | 23.3 | 130.7 |
| YOLO26l-depth | 768 | 0.930 | 0.083 | 0.351 | 27.7 | 157.2 |
| YOLO26x-depth | 768 | 0.933 | 0.080 | 0.344 | 57.0 | 302.0 |
YOLO26 Tiefenschätzungs-Benchmarks auf dem NYU Depth V2 Eigen Test-Split mit Multi-Scale- und Horizontal-Flip TTA sowie Log-Least-Squares-Alignment; Parameter und FLOPs werden bei 768 × 768 gemessen.
Vertrauenswürdig für die weltweit führenden Organisationen
Die Wirkung unserer Modelle
Optimiere Prozesse branchenübergreifend mit unseren hochmodernen Vision-KI-Modellen. Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit, bereitgestellt von Ultralytics.
Die Entwicklung der Ultralytics YOLO Modelle
Erfahre, wie sich Ultralytics YOLO vom praktischen YOLOv5-Workflow zur Edge-Ready YOLO26-Inferenz entwickelt hat.
Annotiere bis zu 10x schneller mit intelligenter Annotation
Die Ultralytics Platform bietet dir das Bildannotationstool, um schneller hochwertige Datensätze zu erstellen. Von intelligenter Annotation bis hin zur präzisen manuellen Bearbeitung sind diese Funktionen darauf ausgelegt, die Zeit für die Bildbeschriftung zu verkürzen, ohne dabei an Qualität einzubüßen.
- SAM-gestützte intelligente Annotation: Masken und Bounding Boxes mit nur einem Klick.
- Vollständige Abdeckung von KI-Aufgaben: Detektion, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Pose, OBB.
- Unterstützung universeller Formate: Deine Wahl aus YOLO, COCO und mehr.
- Team-Review und Versionierung: Klare Zusammenarbeit bei jedem Schritt.
Trainiere auf den besten GPUs für weniger Geld
26 NVIDIA GPUs ab $0,24/Std. – von Ampere bis Blackwell. Kein Aufschlag, keine Mindestlaufzeiten, keine Verpflichtung.
Branchenlösungen erkunden
Sieh dir an, wie Teams Ultralytics Computer Vision in Produktionsumgebungen einsetzen.
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Häufig gestellte Fragen
Ultralytics YOLO-Depth ist die YOLO26 Modellfamilie für monokulare Tiefenschätzung: die Vorhersage einer dichten Tiefenkarte pro Pixel in Metern aus einem gewöhnlichen RGB-Bild. Offizielle vortrainierte Checkpoints sind in fünf Größen verfügbar, von YOLO26n-depth bis YOLO26x-depth.
Tiefe macht aus 2D-Erkennungen ein 3D-Verständnis: Wie weit entfernt ist ein Hindernis, wie groß ist ein Objekt wirklich und wie ist eine Szene aufgebaut? Dies mit einer Standardkamera zu erreichen, vermeidet die Kosten, den Kalibrierungsaufwand und die Integrationsprobleme von Lidar- und Stereo-Systemen, was räumliches Verständnis für Robotik, Mobilität und alltägliche Kamerasysteme praktikabel macht.
Jede Vorhersage liefert eine dichte Float-Tiefenkarte, die auf das Eingabebild ausgerichtet ist. Greife über
result.depth.datadarauf zu; die Werte repräsentieren die Entfernung in Metern und können für 3D-Rekonstruktion, Navigation, Messung oder Visualisierung in ein NumPy Array konvertiert werden. Siehe den Leitfaden zur Tiefenvorhersage für den vollständigen Ergebniskontrakt.Ja. Verknüpfe jedes RGB-Bild mit einer float32 Tiefenkarte in Metern und optimiere einen vortrainierten YOLO26-depth Checkpoint mit dem standardmäßigen Ultralytics Train-Modus. Der offizielle Leitfaden empfiehlt AdamW und eine niedrige Lernrate, wenn du veröffentlichte Gewichte an eine benutzerdefinierte Tiefendomäne anpasst.
Verwende den Export-Modus, um einen YOLO26-depth Checkpoint in Formate wie ONNX, TensorRT, CoreML und OpenVINO zu konvertieren. Du kannst das exportierte Modell dann über denselben Ultralytics Vorhersage-Workflow auf Edge-, Mobil- oder Server-Hardware ausführen.
Entwickle mit Ultralytics YOLO-Depth
Trainiere, validiere, exportiere und stelle YOLO26 Tiefenschätzungsmodelle mit der Ultralytics Platform bereit.