> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # YOLO26：支持文本提示分割 - URL: https://www.hubwiz.com/blog/yolo26-segment-objects-using-text-prompts/ - Published: 2026-01-20T17:54:54.000Z - Updated: 2026-01-20T17:54:54.000Z - Description: Ultralytics的新SOTA模型，可以执行对象检测、实例分割、姿势估计、图像分类和定向边界框(OBB)，甚至可以使用自然语言提示分割对象。 - Author: admin - Tags: MODEL-ZOO, YOLO, #Import 2026-10-14 14:41 [**Ultralytics YOLO26**](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn) 代表了现代计算机视觉的一个重大飞跃，自YOLOv5发布以来，他们已成为计算机视觉的参考公司。2023年，随着YOLOv8的发布，一个名为`ultralytics`的新框架与此模型一起出现。 现在他们引入了[YOLO26](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)（数字现在来自发布年份），并使用提到的`ultralytics`包，您获得了一个单一的统一框架，可以执行**对象检测**、**实例分割**、**姿势估计**、**图像分类**和**定向边界框(OBB)**，甚至可以使用自然语言提示**分割对象**。 ## 1、Ultralytics YOLO26：游戏改变者 YOLO26将多个计算机视觉任务整合到一个生态系统中： - 对象检测（边界框） - 实例分割（像素级精度） - 姿势估计（人体关键点） - 图像分类 - 定向边界框（OBB）用于航空和卫星图像 - **使用YOLO-E的文本提示分割** 👉 在[这里](https://docs.ultralytics.com/models/yolov5/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)探索官方文档 ![](https://www.hubwiz.com/blog/content/images/2026/01/image-640.png) *YOLO26：计算机视觉的新state-of-the-art模型* 所有这些都作为 **开源软件（AGPL）**提供，可以在本地、本地或通过官方[Ultralytics平台](https://platform.ultralytics.com/ultralytics/yolo26?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)使用。 ## 2、模型大小和部署场景 与之前的Ultralytics版本一样，[**YOLO26**](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn) 为每个任务提供五种模型大小： - **Nano (n)** — 超轻量级模型，用于移动和低功耗设备 - **Small (s)** — 针对实时边缘推理优化 - **Medium (m)** — 平衡准确性和性能 - **Large (l)** — 高准确性，用于 demanding 应用 - **Extra-Large (x)** — 最大精度，用于研究和企业工作负载 这种灵活性允许我们在以下设备上部署[YOLO26](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)： - 移动设备 - NVIDIA Jetson平台 - 边缘加速器 - 云GPU - 高性能本地服务器 ## 3、开始使用Ultralytics YOLO26 🛠️ 要在本地使用[YOLO26](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)，我建议使用Python虚拟环境并安装最新的Ultralytics包，按照官方[Ultralytics文档](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)。 ``` pip install --upgrade ultralytics ``` 官方[Ultralytics文档](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)提供了安装、训练、推理和部署的完整指导，您可以在[这里](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)访问 从文档中，您可以使用**Python代码**或**简单的CLI命令**运行推理，使[YOLO26](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)对研究人员和生产工程师都可访问。 ## 4、对象检测📹 对象检测仍然是计算机视觉中最广泛使用的任务之一。使用[YOLO26](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn)，检测快速、准确且易于集成。 **Python 🐍** ``` from ultralytics import YOLO # Load a pretrained YOLO26 detection model model = YOLO("yolo26x.pt") # Run from different sources results = model(source=0, show=True, half=True) # predict on your webcam results = model(source="video.mp4", show=True, half=True) # predict on video results = model(source="rtsp://user:password@ipcamera:portcamera", show=True, half=True) # predict on rtsp camera results = model(source="image.jpg", show=True, half=True) # predict on image ``` **CLI 🤓** ``` yolo predict detect source=0 show=True half=True model=yolo26x.pt ``` **常见企业用例：** - 智慧城市（交通和行人分析） - 农业（作物和牲畜监测） - 零售分析 - 安全和监控 ![](https://www.hubwiz.com/blog/content/images/2026/01/image-641.png) ## 5、实例分割：像素级精度 ✂️ 分割通过在像素级别识别每个对象来进一步推进检测。**YOLO26分割模型**适用于需要极高精度的应用。 **Python 🐍** ``` from ultralytics import YOLO # Load a pretrained YOLO26 segmentation model model = YOLO("yolo26x-seg.pt") # Run real-time segmentation from webcam results = model(source=2, show=True, half=True, retina_masks=True) ``` **CLI 🤓** ``` yolo predict segment source=2 show=True half=True retina_masks=True model=yolo26x-seg.pt ``` **应用包括：** - 牲畜计数 - 医学成像支持 - 房地产和室内分析 - 工业检查 ![](https://www.hubwiz.com/blog/content/images/2026/01/image-642.png) ## 6、姿势估计 💃 姿势估计模型检测人体关键点，如手臂、腿部、面部和躯干。**YOLO26姿势估计**启用详细的人体运动分析。 **Python 🐍** ``` from ultralytics import YOLO # Load a pretrained YOLO26 pose estimation model model = YOLO("yolo26x-pose.pt") # Run real-time pose estimation from webcam results = model(source=2, show=True, half=True) ``` **CLI 🤓** ``` yolo predict pose source=2 show=True half=True model=yolo26x-pose.pt ``` **用例：** - 体育和健身分析 - 工作场所安全 - 人类行为分析 - 社交媒体和内容创作 ![](https://www.hubwiz.com/blog/content/images/2026/01/image-643.png) ## 7、航空视觉的定向边界框（OBB） 📦 [YOLO26](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn) 包括**OBB模型**，专为航空和卫星图像设计，其中对象经常旋转。 **Python 🐍** ``` from ultralytics import YOLO # Load a pretrained YOLO26 pose estimation model model = YOLO("yolo26x-pose.pt") # Run real-time pose estimation from webcam results = model(source=2, show=True, half=True) ``` **CLI 🤓** ``` yolo predict obb model=yolo26x-obb.pt source=aerial.mp4 show=True ``` 这一能力对以下至关重要： - 卫星图像分析 - 城市规划 - 海事和港口监控 - 防御和地理空间情报 ![](https://www.hubwiz.com/blog/content/images/2026/01/image-644.png) ## 8、YOLO-E：文本提示分割 🤯 YOLO26中最创新的功能之一是**YOLOE**，它允许使用自然语言提示进行分割。 **CLI 🤓** ``` yolo predict model=yoloe-26x-seg.pt source=video_examples/yoloe/5206818-hd_1920_1080_25fps.mp4 show=True half=True retina_masks=True classes="brown horse" conf=0.4 ``` 使用像 *"brown horse"或"white horse"* 这样的简单文本提示，YOLO-E仅选择性地分割您请求的对象。对于其他模态，请查看[Ultralytics文档](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn) 这对于以下非常强大： - 数据集预标注 - 快速数据集创建 - 半自动标注工作流程 ![](https://www.hubwiz.com/blog/content/images/2026/01/image-645.png) ## 9、结束语 🎯 [**YOLO26**](https://docs.ultralytics.com/models/yolo26/?utm%5Fsource=infl&utm%5Fmedium=general&utm%5Fcampaign=yolo26&utm%5Fterm=hn) 标志着可访问、生产就绪计算机视觉的一个重要里程碑。通过将对象检测、实例分割、姿势估计、OBB和文本提示分割整合到一个单一的统一框架中，YOLO26消除了管理多个工具和模型的复杂性，因此您可以在移动设备、边缘加速器或云GPU集群上使用这些模型。 对于研究人员和业余爱好者，YOLO26提供了一个**简单入口点**，具有简单的CLI命令和直观的Python API。对于企业，它代表了一个**战略优势**，能够在更快、更可靠和更大规模下部署先进的AI视觉系统。 --- 原文链接：[Ultralytics YOLO26: The Most Power Complete AI Vision Model](https://henrynavarro.org/ultralytics-yolo26-the-most-power-complete-ai-vision-model-7a890351a1d5?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处