Beschreibung
Ultralytics YOLO ist ein umfassendes KI-Framework, das für seine Fähigkeiten in der Echtzeit-Objekterkennung und Bildsegmentierung bekannt ist. Die neueste Iteration, YOLO26, repräsentiert die nächste Generation der Vision-KI, basierend auf bedeutenden Fortschritten im Deep Learning und Computer Vision. Es verfügt über eine durchgängige NMS-freie Inferenz und optimiertes Edge-Deployment, was es hochgradig anpassungsfähig für verschiedene Hardwareplattformen macht, von kompakten Edge-Geräten bis hin zu robusten Cloud-APIs.
Weiterlesen
Dieses Framework wurde entwickelt, um den gesamten Computer-Vision-Workflow zu optimieren, von der Annotation und dem Training bis zur Bereitstellung. Benutzer können YOLO-Modelle einfach annotieren, trainieren und bereitstellen. Die Ultralytics Docs dienen als zentrale Anlaufstelle für das Verständnis und die Nutzung der Funktionen des Frameworks und richten sich sowohl an erfahrene Machine-Learning-Praktiker als auch an Neulinge auf diesem Gebiet. Ziel ist es, das Potenzial von YOLO in verschiedenen Projekten zu maximieren.
Die YOLO-Familie hat eine reiche Geschichte, beginnend mit der ersten Veröffentlichung von Joseph Redmon und Ali Farhadi im Jahr 2015. Nachfolgende Versionen, darunter YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10 und das neueste YOLO11, haben durchweg architektonische Verbesserungen und innovative Techniken eingeführt. YOLO26 setzt diese Entwicklung fort und bietet verbesserte Leistung, Flexibilität und Effizienz für eine breite Palette von Vision-KI-Aufgaben.
Ultralytics bietet flexible Lizenzierungsoptionen, einschließlich der Open-Source-Lizenz AGPL-3.0 für Studenten und Enthusiasten sowie einer Enterprise-Lizenz für kommerzielle Nutzung. Dieser duale Ansatz stellt sicher, dass offene Zusammenarbeit gefördert wird, während Unternehmen Ultralytics-Software und KI-Modelle nahtlos in ihre Produkte und Dienstleistungen integrieren können. Das Framework unterstützt eine breite Palette von Computer-Vision-Aufgaben, darunter Erkennung, Instanzsegmentierung, semantische Segmentierung, Posenschätzung, Tracking und Klassifizierung, was es zu einem vielseitigen Werkzeug für Entwickler und Forscher macht.
- KategorieComputer-Vision-Tools
- PreismodellOpen Source
- BereitstellungEdge / Cloud API
Ultralytics YOLO's Kernfunktionen
Echtzeit-Objekterkennung
Bildsegmentierung
YOLO26-Modell mit NMS-freier Inferenz
Optimiertes Edge-Deployment
Cloud-API-Deployment
Unterstützung für Erkennungs-, Segmentierungs-, Posenschätzungs-, Tracking- und Klassifizierungsaufgaben
Optimierter Workflow für Annotation, Training und Deployment
AGPL-3.0 Open-Source-Lizenz
Enterprise-Lizenzierung für kommerzielle Nutzung
Integration mit benutzerdefinierten Datensätzen
Multi-Objekt-Tracking-Funktionen
Erste Schritte mit Ultralytics YOLO
Installation: Installieren Sie das ultralytics-Paket mit pip.
Quickstart: Folgen Sie der Quickstart-Anleitung für die Ersteinrichtung und die Ausführung Ihres ersten Modells.
Vorhersage: Nutzen Sie den Vorhersagemodus für die Inferenz auf Bildern, Videos und Streams.
Training: Trainieren Sie neue YOLO-Modelle auf benutzerdefinierten Datensätzen mit dem Trainingsmodus.
Aufgaben erkunden: Entdecken und implementieren Sie verschiedene Computer-Vision-Aufgaben wie Erkennung, Segmentierung und Pose.
Tracking: Implementieren Sie Multi-Objekt-Tracking mit dem Track-Befehl.
Deployment: Stellen Sie Modelle auf Edge-Geräten oder Cloud-APIs bereit.
Ultralytics YOLO's Anwendungsfälle
- Objekterkennung
- Bildsegmentierung
- Posenschätzung
- Objektverfolgung
- Autonome Systeme
- Überwachung und Sicherheit
- Analyse medizinischer Bilder
- Einzelhandelsanalysen
