Apprends la vision par ordinateur avec Ultralytics YOLO

Découvre le raisonnement qui sous-tend tout système de vision opérationnel : cadrer le problème, choisir parmi les sept tâches Ultralytics YOLO, auditer les données et les annotations, créer des partitions sans fuite et interpréter les métriques — avec des exemples YOLO26 exécutables sur de vraies images et de vrais jeux de données.

Un guide pratique pour le travail en amont de l'entraînement : transformer un objectif métier en test d'acceptation, définir et collecter des données représentatives, annoter de façon cohérente, contrôler la qualité à l'aide de scripts, effectuer une séparation sans fuite de données, ajuster l'augmentation et conditionner le premier ajustement fin d'Ultralytics YOLO26 à un contrôle de préparation.

Fais passer Ultralytics YOLO26 d’une nouvelle installation à un détecteur entraîné sur mesure, validé et exporté. Tu effectueras des prédictions sur des images, structureras un vrai jeu de données, entraîneras et diagnostiqueras un détecteur de pilules, exécuteras des modèles sur des vidéos avec suivi, puis effectueras un export vers ONNX en vérifiant qu’il correspond à PyTorch. Chaque étape s’exécute en Python et dans le CLI, sur un CPU d’ordinateur portable, avec les sorties réelles à l’appui. La planification, la collecte et l’annotation du jeu de données sont abordées dans Building High-Performance YOLO Datasets.

Tu sais entraîner un détecteur. Ultralytics YOLO prend en charge sept tâches de vision, et ce cours t’apprend les cinq que tu rencontreras le plus souvent après la détection — segmentation d’instances et sémantique, pose, boîtes englobantes orientées et classification — depuis le format des étiquettes et l’entraînement jusqu’à la lecture des résultats dans le code, l’enchaînement des modèles et l’évaluation et l’export propres à chaque tâche. L’estimation de profondeur, la septième tâche, fait partie du programme ainsi que des leçons sur l’évaluation et l’export.

Mets en production un modèle Ultralytics YOLO entraîné : choisis un moteur d'exécution, exporte-le et vérifie-le, optimise-le pour ton matériel, suis les objets, crée des pipelines de comptage, traite de nombreux flux et détecte les dérives avant les utilisateurs.

Mène un vrai projet de détection sur Ultralytics Platform : établis son budget, importe et annote les données, vérifie l'intégrité des partitions, entraîne des modèles et compare les exécutions, déploie un point de terminaison dédié, surveille la précision et automatise la boucle de réentraînement.