ultralytics/ultralytics

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

解決的問題

Ultralytics 提供了一個用於部署最先進電腦視覺模型的統一框架。透過提供快速、準確且易於整合到應用程式中的預訓練模型，它簡化了執行複雜視覺 AI 任務（例如識別物體、跨幀追蹤物體以及估計深度）的過程。

工作原理

該專案實現了 YOLO (You Only Look Once) 系列模型。它提供了一套完整的工具，可以透過命令列介面 (CLI) 或 Python API 使用。使用者可以載入預訓練模型（如 YOLO26），使用組態檔案在自定義資料集上進行訓練，驗證效能，並將模型匯出為 ONNX 等格式以便在各種硬體上進行部署。

適用對象

專為需要在其軟體中實現即時電腦視覺功能的開發人員和 AI 研究人員設計，範圍涵蓋從簡單的圖像分類到複雜的姿勢估計和語義分割。

亮點

  • 多任務支援：能夠進行目標檢測、實例分割、語義分割、圖像分類、姿勢估計和深度估計。
  • 追蹤模式：與檢測、分割和姿勢模型相容，可隨時間追蹤物體。
  • 靈活部署：支援多種安裝方法 (pip, Conda, Docker)，並可匯出為 ONNX 等格式以進行優化推論。
  • 可擴展的模型尺寸：提供一系列模型尺寸（從 nano 'n' 到 extra-large 'x'），根據硬體限制平衡速度與準確性。