Ultralytics YOLO27 模型
更快、更准确、更简单的 YOLO 模型。YOLO27l 是首个 mAP 超过 60 的 Ultralytics 模型，而且所有尺寸的模型都有提升，只需一行代码即可替换。
深受行业领军企业信赖
Ultralytics YOLO27 有哪些新内容
更简洁的模型系列
混合架构
更高的准确率
七项任务
为什么选择 Ultralytics YOLO27？
经过大规模应用验证
部署到你现有的任意工作环境
清晰的商业许可选项
与使用者社区共同打造
YOLO27 模型系列预览
检测任务中，N/S 使用紧凑型 CNN，M/L 使用基于查询且无需 NMS 的模型；其他任务使用 CNN。这些初步基准数据可能会有变动。目前尚未提供权重和软件包支持：此示例将在发布后使用。N/S 检测默认使用 NMS；nms=False 会选择用于计时的无 NMS 检测头，而 N/S 的准确率取决于所选检测头。
# After YOLO27 is released
pip install -U ultralyticsfrom ultralytics import YOLO
# After YOLO27 weights and package support are released
model = YOLO("yolo27n.pt")
results = model("image.jpg", nms=False)| 模型 | 尺寸（像素） | mAP50-95 | CPU ONNX（毫秒） | RTX PRO 6000（ms） | 参数量（百万） | FLOPs（十亿） |
|---|---|---|---|---|---|---|
| YOLO27n | 640 | 42.3 | 16.1 ± 1.6 | 0.62 ± 0.00 | 3.0 | 7.2 |
| YOLO27s | 640 | 49.6 | 33.2 ± 0.1 | 0.79 ± 0.00 | 11.8 | 28.2 |
| YOLO27m | 640 | 55.8 | 67.2 ± 0.3 | 1.39 ± 0.00 | 22.8 | 65.0 |
| YOLO27l | 640 | 60.4 | 149.6 ± 1.4 | 2.32 ± 0.00 | 72.3 | 165.3 |
Ultralytics Platform 在 COCO val、640 px 下的初步结果。CPU：EPYC 9655，ONNX FP32。GPU：RTX PRO 6000，TensorRT 11 FP16。参数量/FLOPs 基于融合模型计算。详情请参阅 YOLO27 文档。
常见问题
YOLO27 是即将推出的新一代 Ultralytics 模型。已公布的系列包含四种尺寸，支持七项视觉任务。查看YOLO27 官方概览了解产品详情，并查看文档了解技术信息。
公布的产品阵容包含四种尺寸：YOLO27n 和 YOLO27s 面向边缘设备，YOLO27m 面向生产环境中的 GPU 工作负载，YOLO27l 则面向优先考虑准确率的应用。混合架构会根据不同尺寸进行适配，Ultralytics 报告称 YOLO27l 在 COCO 上的 mAP 超过 60。查看已公布的改进，并在模型发布后使用你自己的数据进行验证。
YOLO27 概览宣布支持目标检测、实例分割、语义分割、深度估计、图像分类、姿态估计和有向目标检测。四种尺寸覆盖七项任务，共同构成计划推出的 28 款模型系列，并采用统一接口。
整理图像、检查标注，并立即使用 YOLO26 建立基线。使用 Ultralytics Platform 准备数据集和训练工作流，然后在 YOLO27 发布时使用相同数据进行评估。
加入YOLO27 官方候补名单，获取产品更新和发布通知。YOLO27 即将推出，在此期间，你可以将已发布的 YOLO26 模型用于当前项目。
加入 Ultralytics YOLO27 候补名单
获取产品更新，并在 YOLO27 就绪发布时收到通知。