ultralytics/ultralytics

它解决了什么问题

Ultralytics 提供了一个用于最先进计算机视觉任务的统一框架，消除了针对不同视觉目标进行单独、复杂实现的需求。它允许用户执行目标检测、图像分类和分割，并使用针对速度和准确度进行优化的模型。

运作方式

该项目以 YOLO (You Only Look Once) 模型系列为核心。它提供了一个高级 Python API 和命令行界面 (CLI)，允许用户加载预训练模型、在自定义数据集上进行训练、验证性能，并将其导出为各种部署格式，例如 ONNX。它支持广泛的任务，包括目标检测、实例和语义分割、姿态估计、深度估计、定向目标检测 (OBB)，以及跨视频帧的目标跟踪。

适用对象

它专为需要将实时计算机视觉功能集成到应用程序中的开发人员和 AI 研究人员而设计，范围涵盖从需要边缘设备轻量级模型的用户，到需要复杂环境高准确度模型的用户。

特点

• 多任务支持：在一个包中处理检测、分割、分类、姿态和深度估计。
• 灵活的接口：可通过 Python 库和简单的 CLI (yolo 命令) 访问。
• 部署就绪：支持将模型导出为 ONNX 等格式，以进行高效推理。
• 可扩展的模型大小：提供多种模型大小（从 nano 到 extra-large），可根据硬件限制平衡速度和准确度。