Ultralytics YOLO-Depth
Schätze anhand eines einzelnen RGB-Bildes die Entfernung zu jeder sichtbaren Oberfläche. YOLO26-Tiefenmodelle ermöglichen metrisches räumliches 3D-Verständnis ohne spezielle Tiefensensoren, Stereokameras oder Lidar.
YOLO26-Modelle zur Tiefenschätzung
YOLO26-depth-Modelle sagen anhand eines einzelnen RGB-Bildes eine dichte Tiefenkarte in Metern voraus. Fünf Modellgrößen decken alles ab – von der Bereitstellung auf Edge-Geräten bis zur räumlichen Analyse mit höchsten Genauigkeitsanforderungen. Die veröffentlichten Gewichte wurden mit etwa 2,19 Millionen Innen- und Außenaufnahmen vortrainiert und auf dem NYU-Depth-V2-Eigen-Testsplit ausgewertet.
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 |
Benchmarks zur Tiefenschätzung mit YOLO26 auf dem NYU-Depth-V2-Eigen-Testsplit mit Testzeiterweiterung durch Mehrskalen- und horizontale Spiegelungen sowie Ausrichtung nach kleinsten Quadraten im Logarithmusraum; Parameter und FLOPs wurden bei 768 × 768 gemessen.
Weltweit führende Organisationen vertrauen uns
Die Wirkung unserer Modelle
Optimiere Abläufe in verschiedenen Branchen mit unseren hochmodernen Vision-AI-Modellen. Ultralytics sorgt für Geschwindigkeit, Genauigkeit und einfache Bedienung.
Die Entwicklung der Ultralytics-YOLO-Modelle
Sieh dir an, wie sich Ultralytics YOLO vom praktischen YOLOv5-Ablauf bis zur Inferenz mit YOLO26 für Edge-Geräte weiterentwickelt hat.
Bis zu 10-mal schneller beschriften – mit intelligenter Annotation
Die Ultralytics Platform bietet dir ein Bild-Annotationstool, mit dem du schneller hochwertige Datensätze erstellst. Von intelligenter Annotation bis hin zu präziser manueller Bearbeitung: Diese Funktionen verkürzen die Zeit für die Bildbeschriftung, ohne die Qualität zu beeinträchtigen.
- Intelligente, von SAM unterstützte Annotation:Masken und Begrenzungsrahmen mit einem Klick.
- Unterstützung für alle KI-Aufgaben:Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Posenschätzung, OBB.
- Unterstützung universeller Formate:Du hast die Wahl zwischen YOLO, COCO und mehr.
- Teamprüfung und Versionsverwaltung:Klare Zusammenarbeit bei jedem Schritt.
Trainiere kostengünstig mit den besten GPUs
26 NVIDIA-GPUs ab 0,24 $/Std. – von Ampere bis Blackwell. Keine Aufschläge, keine Mindestabnahme, keine Vertragsbindung.
Überall bereitstellen
Exportiere in 22 Formate und stelle sie auf Edge-Geräten, in der Cloud und auf Mobilgeräten bereit.
Lösungen für verschiedene Branchen entdecken
Erfahre, wie Teams Computer Vision von Ultralytics 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: Sie sagt anhand eines gewöhnlichen RGB-Bildes eine dichte Tiefenkarte in Metern auf Pixelebene voraus. Offizielle vortrainierte Checkpoints sind in fünf Größen verfügbar, von YOLO26n-depth bis YOLO26x-depth.
Tiefe erweitert 2D-Erkennungen um räumliches 3D-Verständnis: Wie weit ein Hindernis entfernt ist, wie groß ein Objekt tatsächlich ist und wie eine Szene aufgebaut ist. Die Berechnung anhand einer einzelnen Standardkamera vermeidet Kosten, Kalibrierung und Integrationsaufwand von Lidar und Stereosystemen. Dadurch wird räumliches Verständnis für Robotik, Mobilität und alltägliche Kamerasysteme praktikabel.
Jede Vorhersage liefert eine dichte Float-Tiefenkarte, die am Eingabebild ausgerichtet ist. Greife über
result.depth.datadarauf zu. Die Werte geben Entfernungen in Metern an und lassen sich für 3D-Rekonstruktion, Navigation, Messungen oder Visualisierung in ein NumPy-Array umwandeln. Die Anleitung zur Tiefenvorhersage beschreibt das vollständige Ausgabeformat.Ja. Ordne jedem RGB-Bild eine float32-Tiefenkarte in Metern zu und stimme einen vortrainierten YOLO26-depth-Checkpoint mit dem standardmäßigen Ultralytics-Trainingsmodus fein ab. Die offizielle Anleitung empfiehlt AdamW und eine niedrige Lernrate, wenn du veröffentlichte Gewichte an einen eigenen Tiefenbereich anpasst.
Verwende den Exportmodus, um einen YOLO26-depth-Checkpoint in Formate wie ONNX, OpenVINO, TensorRT und CoreML umzuwandeln. Anschließend kannst du das exportierte Modell mit demselben Ultralytics-Vorhersage-Workflow auf Edge-, Mobil- oder Serverhardware ausführen.
Mit Ultralytics YOLO-Depth entwickeln
Trainiere, validiere, exportiere und stelle Modelle zur Tiefenschätzung mit YOLO26 über die Ultralytics Platform bereit.