Ultralytics YOLO27 模型
更快速、更准确、更简化的 YOLO 模型。YOLO27l 是首个超越 60 mAP 的 Ultralytics 模型，每种尺寸都有所提升，且只需进行一行代码的替换。
行业领导者的信赖之选
Ultralytics YOLO27 的新功能
简化的模型系列
混合架构
更强的准确率
七项任务
为什么选择 Ultralytics YOLO27？
经大规模验证
在你现有的工作环境中随时部署
清晰的商业许可
与使用它的社区共同打造
YOLO27 模型系列预览
检测任务针对 N/S 采用紧凑型 CNN，针对 M/L 采用基于查询的无 NMS 模型；其他任务使用 CNN。这些初步基准测试可能会发生变化。权重和包支持暂不可用：该示例供发布后使用。N/S 检测默认启用 NMS；nms=False 可选择用于计时的无 NMS 头部，而 N/S 准确率取决于所选的头部。
# 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 (px) | mAP 50-95 | CPU ONNX (ms) | RTX PRO 6000 (ms) | 参数量 (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
在 640 px 下的 COCO val 上的初步 Ultralytics 平台结果。CPU：EPYC 9655，ONNX FP32。GPU：RTX PRO 6000，TensorRT 11 FP16. 参数量/FLOPs 使用融合模型。详情请参阅 YOLO27 文档。
常见问题解答
YOLO27 是即将推出的 Ultralytics 模型世代。已宣布的模型系列包含四种尺寸和七项视觉任务。探索官方 YOLO27 概览获取产品详情，并参阅文档获取技术信息。
已宣布的产品阵容包含四种尺寸：YOLO27n 和 YOLO27s 针对边缘设备，YOLO27m 针对生产环境 GPU 工作负载，YOLO27l 针对优先考虑准确率的应用。混合架构可适应每种尺寸，Ultralytics 报道称 YOLO27l 在 COCO 上超过了 60 mAP。对比已宣布的改进，然后在发布后在你的自有数据上验证模型。
YOLO27 概述宣布了目标检测、实例分割、语义分割、深度估计、图像分类、姿态估计和旋转目标检测。四个尺寸跨越七个任务，构成了一个拥有共享接口的 28 个模型的计划系列。
整理你的图像，检查标注，并立即使用 YOLO26 建立基准。使用 Ultralytics Platform 准备数据集和训练工作流，然后在 YOLO27 发布时在相同的数据上进行评估。
加入官方 YOLO27 等待列表以获取产品更新和发布通知。在 YOLO27 即将推出之际，使用已发布的 YOLO26 模型来处理当前项目。
加入 Ultralytics YOLO27 候补名单
当 YOLO27 准备就绪时，获取产品更新和发布通知。