Ultralytics YOLO-Depth
Predici la distanza verso ogni superficie visibile da una singola immagine RGB. I modelli di profondità YOLO26 aggiungono consapevolezza spaziale 3D metrica senza sensori di profondità specializzati, fotocamere stereo o lidar.
Modelli di stima della profondità YOLO26
I modelli YOLO26-depth predicono una mappa di profondità densa in metri partendo da una singola immagine RGB. Cinque dimensioni di modello spaziano dal deployment su edge all'analisi spaziale critica per l'accuratezza, con pesi rilasciati pre-addestrati su circa 2,19 milioni di immagini indoor e outdoor e valutati sul set di 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()| Modello | Dimensione (px) | delta1 | abs_rel | RMSE (m) | Parametri (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 |
Benchmark di stima della profondità YOLO26 sul set di test NYU Depth V2 Eigen con TTA multi-scala e orizzontale-flip più allineamento log-least-squares; parametri e FLOP sono misurati a 768 × 768.
Scelto dalle principali organizzazioni mondiali
L'impatto dei nostri modelli
Semplifica i processi in tutti i settori con i nostri modelli di visione artificiale all'avanguardia. Velocità, precisione e facilità d'uso potenziate da Ultralytics.
L'evoluzione dei modelli Ultralytics YOLO
Scopri come Ultralytics YOLO si è evoluto dal pratico flusso di lavoro di YOLOv5 all'inferenza YOLO26 pronta per l'edge.
Etichetta fino a 10 volte più velocemente con l'annotazione intelligente
La Ultralytics Platform ti offre lo strumento di annotazione delle immagini per creare dataset di alta qualità più velocemente. Dall'annotazione intelligente alla precisa modifica manuale, queste funzionalità sono progettate per ridurre i tempi di etichettatura delle immagini senza sacrificarne la qualità.
- Annotazione intelligente basata su SAM: Maschere e bounding boxes in un solo clic.
- Copertura completa dei task AI: Detection, instance segmentation, semantic segmentation, classification, pose, OBB.
- Supporto universale per i formati: La tua scelta di YOLO, COCO e altro ancora.
- Revisione del team e versionamento: Collaborazione chiara in ogni fase.
Addestra sulle migliori GPU spendendo meno
26 GPU NVIDIA a partire da $0,24/ora — da Ampere a Blackwell. Nessun sovrapprezzo, nessun minimo, nessun impegno.
Esplora le soluzioni industriali
Scopri come i team applicano la visione artificiale di Ultralytics negli ambienti di produzione.
Agricoltura
Automotive
Sanità
Logistica
Manifattura
Retail
Robotica
Agricoltura
Automotive
Sanità
Logistica
Manifattura
Retail
Robotica
Agricoltura
Automotive
Sanità
Logistica
Manifattura
Retail
Robotica
Domande frequenti
Ultralytics YOLO-Depth è la famiglia di modelli YOLO26 per la stima della profondità monoculare: predire una mappa di profondità densa per pixel in metri da una normale immagine RGB. I checkpoint pre-addestrati ufficiali sono disponibili in cinque dimensioni, da YOLO26n-depth a YOLO26x-depth.
La profondità trasforma i rilevamenti 2D in una comprensione 3D: quanto è lontano un ostacolo, quanto è grande un oggetto e com'è strutturata una scena. Ottenere questo risultato da una sola fotocamera standard evita i costi, la calibrazione e l'onere di integrazione dei sistemi lidar e stereo, rendendo la consapevolezza spaziale pratica per la robotica, la mobilità e i sistemi di fotocamere quotidiani.
Ogni predizione restituisce una mappa di profondità float densa allineata all'immagine di input. Accedila tramite
result.depth.data; i suoi valori rappresentano la distanza in metri e possono essere convertiti in un array NumPy per ricostruzione 3D, navigazione, misurazione o visualizzazione. Consulta la guida alla predizione della profondità per il contratto completo dei risultati.Sì. Associa ogni immagine RGB a una mappa di profondità float32 in metri e effettua il fine-tuning di un checkpoint YOLO26-depth pre-addestrato con la modalità standard Ultralytics train. La guida ufficiale consiglia AdamW e un basso learning rate quando adatti i pesi rilasciati a un dominio di profondità personalizzato.
Usa la modalità export per convertire un checkpoint YOLO26-depth in formati che includono ONNX, TensorRT, CoreML e OpenVINO. Puoi quindi eseguire il modello esportato attraverso lo stesso workflow di predizione Ultralytics su hardware edge, mobile o server.
Costruisci con Ultralytics YOLO-Depth
Addestra, valida, esporta e distribuisci modelli di stima della profondità YOLO26 con la piattaforma Ultralytics.