Ultralytics YOLO-Depth
Prédits la distance de chaque surface visible à partir d'une seule image RGB. Les modèles de profondeur YOLO26 ajoutent une conscience spatiale 3D métrique sans capteurs de profondeur spécialisés, caméras stéréo ou lidar.
Modèles d'estimation de profondeur YOLO26
Les modèles YOLO26-depth prédisent une carte de profondeur dense en mètres à partir d'une image RGB. Cinq tailles de modèles couvrent le déploiement sur edge jusqu'à l'analyse spatiale critique en précision, avec des poids publiés pré-entraînés sur environ 2,19 millions d'images d'intérieur et d'extérieur et évalués sur le split de test NYU Depth V2 Eigen.
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()| Modèle | Taille (px) | delta1 | abs_rel | RMSE (m) | Params (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 d'estimation de profondeur YOLO26 sur le split de test NYU Depth V2 Eigen avec TTA multi-échelle et retournement horizontal plus alignement log-least-squares ; les paramètres et les FLOPs sont mesurés à 768 × 768.
Approuvé par les organisations leaders dans le monde
L'impact de nos modèles
Optimise tes processus dans tous les secteurs grâce à nos modèles de vision par ordinateur de pointe. Vitesse, précision et facilité d'utilisation propulsées par Ultralytics.
L'évolution des modèles Ultralytics YOLO
Découvre comment Ultralytics YOLO a évolué depuis le workflow pratique YOLOv5 vers l'inférence YOLO26 prête pour l'Edge.
Étiquette jusqu'à 10 fois plus vite grâce à l'annotation intelligente
La plateforme Ultralytics te fournit l'outil d'annotation d'images pour créer des jeux de données de haute qualité plus rapidement. De l'annotation intelligente à l'édition manuelle précise, ces fonctionnalités sont conçues pour réduire le temps d'étiquetage des images sans sacrifier la qualité.
- Annotation intelligente propulsée par SAM : Masques et BBox en un seul clic.
- Couverture complète des tâches d'IA : Détection, segmentation d'instance, segmentation sémantique, classification, pose, OBB.
- Prise en charge universelle des formats : Ton choix de YOLO, COCO, et plus encore.
- Revue d'équipe et versioning : Une collaboration claire à chaque étape.
Entraîne sur les meilleurs GPU pour moins cher
26 GPU NVIDIA à partir de 0,24 $/heure — de Ampere à Blackwell. Pas de majoration, pas de minimum, pas d'engagement.
Explorer les solutions industrielles
Découvre comment les équipes appliquent la vision par ordinateur d'Ultralytics dans les environnements de production.
Agriculture
Automobile
Santé
Logistique
Fabrication
Commerce de détail
Robotique
Agriculture
Automobile
Santé
Logistique
Fabrication
Commerce de détail
Robotique
Agriculture
Automobile
Santé
Logistique
Fabrication
Commerce de détail
Robotique
Questions fréquemment posées
Ultralytics YOLO-Depth est la famille de modèles YOLO26 pour l'estimation de profondeur monoculaire : prédire une carte de profondeur dense par pixel en mètres à partir d'une image RGB ordinaire. Des points de contrôle officiels pré-entraînés sont disponibles en cinq tailles, de YOLO26n-depth à YOLO26x-depth.
La profondeur transforme les détections 2D en compréhension 3D : à quelle distance se trouve un obstacle, quelle est la taille réelle d'un objet et comment une scène est agencée. Réaliser cela avec une seule caméra standard évite les coûts, l'étalonnage et la complexité d'intégration des lidars et des systèmes stéréo, ce qui rend la perception spatiale pratique pour la robotique, la mobilité et les systèmes de caméra du quotidien.
Chaque prédiction retourne une carte de profondeur flottante dense alignée avec l'image d'entrée. Accède-y via
result.depth.data; ses valeurs représentent la distance en mètres et peuvent être converties en un tableau NumPy pour la reconstruction 3D, la navigation, la mesure ou la visualisation. Consulte le guide de prédiction de profondeur pour le contrat de résultat complet.Oui. Associe chaque image RGB à une carte de profondeur float32 en mètres et affine un point de contrôle YOLO26-depth pré-entraîné avec le mode d'entraînement Ultralytics standard. Le guide officiel recommande AdamW et un faible taux d'apprentissage lors de l'adaptation des poids publiés à un domaine de profondeur personnalisé.
Utilise le mode d'exportation pour convertir un point de contrôle YOLO26-depth vers des formats incluant ONNX, TensorRT, CoreML et OpenVINO. Tu peux ensuite exécuter le modèle exporté via le même flux de travail de prédiction Ultralytics sur du matériel edge, mobile ou serveur.
Construis avec Ultralytics YOLO-Depth
Entraîne, valide, exporte et déploie des modèles d'estimation de profondeur YOLO26 avec Ultralytics Platform.