ultralytics/ultralytics

Ultralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking

解决的问题

Ultralytics 提供了一个用于部署最先进计算机视觉模型的统一框架。通过提供快速、准确且易于集成到应用程序中的预训练模型，它简化了执行复杂的视觉 AI 任务（例如识别物体、跨帧跟踪物体以及估计深度）的过程。

工作原理

该项目实现了 YOLO (You Only Look Once) 系列模型。它提供了一套完整的工具，可以通过命令行界面 (CLI) 或 Python API 使用。用户可以加载预训练模型（如 YOLO26），使用配置文件在自定义数据集上进行训练，验证性能，并将模型导出为 ONNX 等格式以便在各种硬件上进行部署。

适用对象

专为需要在其软件中实现实时计算机视觉功能的开发人员和 AI 研究人员设计，范围涵盖从简单的图像分类到复杂的姿态估计和语义分割。

亮点

  • 多任务支持：能够进行目标检测、实例分割、语义分割、图像分类、姿态估计和深度估计。
  • 跟踪模式：与检测、分割和姿态模型兼容，可随时间跟踪物体。
  • 灵活部署：支持多种安装方法 (pip, Conda, Docker)，并可导出为 ONNX 等格式以进行优化推理。
  • 可扩展的模型尺寸：提供一系列模型尺寸（从 nano 'n' 到 extra-large 'x'），根据硬件限制平衡速度和准确性。