Ultralytics YOLO27: Встать в лист ожидания.
Get Started
От идеи продукта к первому предсказанию YOLO26
Траектория обучения: Основыначинающий ~3 часа 10 уроковИтоговый экзамен · Сертификат

Основы компьютерного зрения

Разберись, как принимать решения на каждом этапе создания работающей системы компьютерного зрения: формулировать задачу, выбирать одну из семи задач Ultralytics YOLO, проверять данные и разметку, честно разделять выборки и анализировать метрики. На практических примерах с YOLO26 ты поработаешь с реальными изображениями и датасетами.

Автор Ultralytics Academy

Начать курсВойди, чтобы сохранять прогресс
Чему ты научишься

Сформулируй задачу компьютерного зрения, выбери подходящую задачу и разметку, проверь, соответствуют ли данные реальности, и определи, что считать «хорошим» результатом, прежде чем запускать обучение.

  • Преврати идею продукта в спецификацию задачи из трёх строк и храни бизнес-правила в коде, а не в модели.

  • Соотнеси результат с одной из семи задач: классификацией, детекцией, сегментацией экземпляров, семантической сегментацией, оценкой глубины, позой или OBB.

  • Анализируй результаты детектора и задавай пороги уверенности и IoU с учётом цены каждой ошибки.

  • Проведи аудит реального датасета: найди пробелы в охвате, ошибки разметки и почти одинаковые изображения, попавшие в разные выборки.

  • Анализируй вместе precision, recall, mAP50-95, AP по классам и матрицу ошибок, чтобы решить: выпускать, дорабатывать или пересмотреть подход.

Что ты создашь

  • Спецификация задачи для твоего проекта и записанное в коде правило принятия решения на основе результатов YOLO26.

  • Аудит датасета и проверка разметки на реальном датасете с приоритизированным планом сбора данных.

  • Проверка утечек и групповое разделение данных, которые не дают почти одинаковым изображениям попасть в валидационную выборку.

  • Отчёт об оценке, в котором указаны узкое место — класс и порог для выпуска.

  • Первый запуск YOLO26 на твоих изображениях с проверкой результатов по спецификации.

Предварительные требования

  • Опыт работы с компьютерным зрением не требуется — все концепции объясняются самостоятельно.

  • Необязательно, но рекомендуется: Python 3.10+ и pip install ultralytics для запуска примеров. Всё выполняется на процессоре ноутбука за несколько секунд.

Содержание курса

4 модулей · 10 уроков

Модуль 1

Сформулируй задачу
1

Сформулируй задачу

Преврати расплывчатую идею продукта в спецификацию задачи из трёх строк, а бизнес-правило храни в коде, где его можно изменить без переобучения.

Модуль 2

Выбери задачу
2

Семь задач компьютерного зрения

Соотнеси строку результата с классификацией, детекцией, сегментацией экземпляров, семантической сегментацией, оценкой глубины, позой или OBB и выбери веса YOLO26 для начала работы.

3

Разберись в детекции объектов

Научись читать выходные данные детектора — класс, рамку и уверенность — и выбирать пороги уверенности и IoU с учетом цены каждой ошибки.

4

Рамки и маски: когда действительно нужна сегментация

Измерь, что маска даёт по сравнению с рамкой на реальном изображении, и реши, нужна ли твоему проекту форма объекта, исходя из требований потребителя результата.

5

Оценка позы и OBB

Извлеки ключевые точки и повёрнутые рамки из YOLO26, задай правило на их основе и определи, когда главным сигналом служат поза или угол.

Модуль 3

Наборы данных и разметка
6

Наборы данных, отражающие реальность

Перед тем как размечать новые данные, проверь реальный набор данных на пробелы в охвате и составь план сбора данных с трудными отрицательными примерами.

7

Качество аннотаций

Разберись, что содержит метка YOLO, проверяй файлы меток на повреждённые строки и поддерживай единообразие аннотаторов с помощью инструкций и измеряемого раунда калибровки.

Модуль 4

Изучи метрики
8

Разделение, которое показывает правду

Найди почти дублирующиеся изображения, попавшие и в обучающую, и в валидационную выборку, а затем раздели данные по единице, которая будет новой при эксплуатации.

9

Честная интерпретация метрик детекции

Запусти валидацию, вместе изучи precision, recall, mAP50-95, AP по классам и матрицу ошибок, а затем выбери порог для выпуска на основе целевого показателя.

10

От лаборатории к продакшену

Установи Ultralytics, запусти YOLO26 на собственных изображениях, проверь результаты на соответствие спецификации и выбери следующий шаг.