描述
Ultralytics YOLO 是一个全面的 AI 框架，以其在实时目标检测和图像分割方面的能力而闻名。最新版本 YOLO26 代表了下一代视觉 AI，建立在重要的深度学习和计算机视觉进步之上。它具有端到端的无 NMS 推理和优化的边缘部署，使其高度适用于各种硬件平台，从紧凑的边缘设备到强大的云 API。
阅读更多
该框架旨在简化整个计算机视觉工作流程，从标注和训练到部署。用户可以轻松地标注、训练和部署 YOLO 模型。Ultralytics 文档是理解和利用该框架功能的中心枢纽，既能满足经验丰富的机器学习从业者，也能满足该领域的新手。目标是最大化 YOLO 在不同项目中的潜力。
YOLO 系列拥有悠久的历史，始于 Joseph Redmon 和 Ali Farhadi 于 2015 年的首次发布。后续版本，包括 YOLOv2、YOLOv3、YOLOv4、YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10 以及最新的 YOLO11，不断引入架构改进和创新技术。YOLO26 延续了这一演进，为全方位的视觉 AI 任务提供了增强的性能、灵活性和效率。
Ultralytics 提供灵活的许可选项，包括面向学生和爱好者的 AGPL-3.0 开源许可证，以及面向商业用途的企业许可证。这种双重方法确保了在鼓励开放协作的同时，企业可以无缝地将 Ultralytics 软件和 AI 模型集成到其产品和服务中。该框架支持广泛的计算机视觉任务，包括检测、实例分割、语义分割、姿态估计、跟踪和分类，使其成为开发人员和研究人员的多功能工具。
- 类别计算机视觉工具
- 定价模式开源
- 部署边缘/云API
Ultralytics YOLO的核心功能
实时目标检测
图像分割
带无 NMS 推理的 YOLO26 模型
优化的边缘部署
云 API 部署
支持检测、分割、姿态估计、跟踪和分类任务
简化的标注、训练和部署工作流程
AGPL-3.0 开源许可证
企业版许可用于商业用途
与自定义数据集集成
多目标跟踪功能
Ultralytics YOLO入门
安装：使用 pip 安装 ultralytics 包。
快速入门：按照快速入门指南进行初始设置并运行您的第一个模型。
预测：利用预测模式对图像、视频和流进行推理。
训练：使用训练模式在自定义数据集上训练新的 YOLO 模型。
任务探索：发现并实现各种计算机视觉任务，如检测、分割和姿态估计。
跟踪：使用 track 命令实现多目标跟踪。
部署：将模型部署到边缘设备或云 API。
Ultralytics YOLO的使用案例
- 目标检测
- 图像分割
- 姿态估计
- 目标跟踪
- 自主系统
- 监控与安全
- 医学影像分析
- 零售分析
