Ultralytics Platform：五个工具，一个计算机视觉平台
了解 Ultralytics Platform 如何用一个计算机视觉平台替代五个工具，涵盖标注、模型训练、测试和部署。
今天，我们推出了 Ultralytics Platform，这是一个极致的端到端计算机视觉平台，旨在简化视觉 AI 系统的构建与部署方式。虽然 计算机视觉 作为人工智能的一个领域，已经能够让机器解读图像和视频，并为我们当今依赖的许多系统提供支持，但构建这些解决方案在过去一直很复杂。
对于许多 AI 工程师和机器学习开发人员来说，构建计算机视觉应用程序仍然需要在整个开发过程中不断切换多种工具。团队可能在一个平台中管理数据集和标注，在另一个平台运行模型训练，并依赖其他服务进行预测测试、实验跟踪以及将系统部署到生产环境中。
随着项目的增长，工具的切换可能会减慢开发速度并增加运营开销。团队常常忙于管理工作流、在工具间移动数据以及配置基础设施，而不是专注于改进模型和构建新的计算机视觉应用。
Ultralytics Platform 的创建旨在简化并加速这一过程。它将标注、训练、验证、部署和监控整合到一个环境中，用一个计算机视觉平台取代了 AI 视觉技术栈中的多个工具，帮助团队更高效地构建和部署可扩展的视觉 AI 系统。
图 1. 使用 Ultralytics Platform 进行数据集准备概览 (来源)
在本文中，我们将探讨 Ultralytics Platform 如何以一个统一的计算机视觉平台取代多个工具。让我们开始吧！
Link to this section计算机视觉开发中的多工具难题#
构建计算机视觉解决方案涉及多个阶段，从准备数据集到在生产中部署系统。在许多情况下，团队在工作流的每个部分都依赖不同的工具，其中包括：
- 数据集管理工具： 团队使用这些工具来存储和组织图像与视频，这些图像和视频稍后将作为计算机视觉系统的训练数据。
- 标注工具： 这些平台使开发人员和数据团队能够对图像中的对象、分割区域或关键点进行标记，以便系统能够从视觉数据中学习模式。
- 模型训练工具和框架： 开发人员依靠这些工具，使用标注过的数据集和深度学习模型来训练计算机视觉系统，通常是在诸如 PyTorch 和 TensorFlow 等基于 Python 的机器学习框架内工作。
- 测试和推理工具： 在部署之前，团队会在新图像或视频上运行模型，以检查预测结果并评估系统的性能表现。
- 部署和监控工具： 一旦视觉 AI 解决方案准备好发布，就需要额外的基础设施来在生产中运行应用程序，并持续监控其性能。
单独管理这些工具会使开发工作流难以协调。团队最终花费大量时间在不同平台间传输数据、维护集成和配置基础设施，而不是专注于改进计算机视觉应用程序。
Link to this section什么是端到端视觉 AI 平台？#
在深入了解 Ultralytics Platform 的关键功能及其作用之前，让我们先理解我们所说的端到端计算机视觉平台是指什么。
简而言之，Ultralytics Platform 提供了一个开发人员可以构建和运行计算机视觉应用程序的统一场所。个人和团队无需为开发过程的不同部分依赖不同的服务，而是在同一个环境中处理视觉数据、训练模型和算法、测试结果并运行应用程序。
图 2. 在 Ultralytics Platform 上测试模型 (来源)
这种方法使开发人员更容易进行实验、改进系统并推动项目进展，而无需在工具之间频繁切换。
Link to this sectionUltralytics Platform 如何简化视觉 AI 工作流#
Ultralytics Platform 是通过多年与计算机视觉社区的密切合作而塑造的。我们与构建视觉 AI 系统的开发人员和团队的交流中，不断涌现出一些共同的挑战。
例如，一个关键的担忧是数据标注，当需要标注大型数据集时，这会耗费大量时间。另一个挑战出现在团队尝试将系统推向生产环境时，在不同环境和硬件设置中部署应用程序通常需要额外的工具支持。
许多团队还面临工具切换的困扰，因为标注工具、训练环境和部署系统通常分散在多个平台上。Ultralytics Platform 通过一系列内置功能解决了所有这些复杂问题。
Link to this sectionUltralytics Platform 关键功能概览#
让我们深入了解 Ultralytics Platform 的一些关键功能，这些功能有助于简化这些挑战以及整体视觉 AI 工作流：
- 智能数据标注：内置的标注工具通过诸如由 Segment Anything Model (SAM) 驱动的智能标注功能以及简化标注工作流的键盘快捷键，帮助团队更快地标注数据集。
- 集成模型训练： 开发人员可以直接在平台内训练预训练模型，同时通过交互式仪表板跟踪实验并监控性能。
- 基于浏览器的推理测试： 团队可以在浏览器中快速测试预测结果，以在部署到生产环境之前评估系统的性能。
- 灵活的部署选项：模型可以导出为 17 种不同格式，或通过共享推理服务和跨 43 个全球区域的专用端点进行部署。
- 内置监控： 该平台提供的仪表板可帮助团队在一个地方跟踪实验结果、系统性能和部署健康状况。
Link to this section使用 Ultralytics Platform 从原始数据到部署#
随着你深入了解 Ultralytics Platform，你可能会好奇实际使用它是什么样子的。为了让你有更好的了解，让我们通过一个简单的例子进行说明。
假设要为生产线构建一个视觉检测系统。目标是在产品通过生产流程时，自动识别损坏或有缺陷的产品。
该过程通常从收集视觉数据开始。使用 Ultralytics 新的计算机视觉平台，你可以上传来自生产线的产品的图像或视频，并将它们组织成数据集，这些数据集将用于训练缺陷检测模型。
接下来是数据标注。借助该平台内置的手动或 AI 辅助标注工具，你可以在 5 种检测任务中直接在图像中标记缺陷。诸如由 SAM 驱动的智能标注以及允许一键放置关键点的内置姿态骨架模板等功能背后的创新，大大简化了原本需要数小时的工作流。
数据集准备好后，你就可以进行模型训练了。该平台允许你使用标注好的数据来训练计算机视觉模型，例如 Ultralytics YOLO 模型。在训练期间，你可以从单个仪表板监控性能指标、跟踪实验并随时间优化模型，以提升系统性能。
训练完成后，下一步是测试和验证。你可以直接在平台内对新图像运行预测，以检查系统检测缺陷的效果，并确定可能需要进一步改进的区域。
最后，当系统表现良好时，它可以被部署到生产环境中。Ultralytics Platform 支持将模型导出为多种格式，或通过推理服务和端点进行部署，以便它们能够在现实环境中使用。
图 3. 使用 Ultralytics Platform 导出模型的示例 (来源)
通过支持此管线的每一个步骤，Ultralytics Platform 让从原始视觉数据到能够在生产线上自动检测缺陷的实用计算机视觉应用程序的转化变得更加轻松。
Link to this section你可以使用 Ultralytics Platform 构建的视觉 AI 应用案例#
在大多数视觉数据可以转化为信息并用于自动化流程的应用中，计算机视觉都能发挥作用。这在各行各业都是如此，从医疗保健到汽车行业，而 Ultralytics Platform 的构建初衷正是为了支持这种多功能性。
该平台原生支持最先进的模型，例如 Ultralytics YOLO26 和一系列 计算机视觉任务，包括对象检测、图像分类、实例分割、姿态估计和定向边界框 (OBB) 检测。由于这种灵活性，开发人员可以针对需要分析图像或视频的许多不同场景构建应用程序。
例如，团队可以为海洋环境中的实时 水下监控、医学和生物研究中的细胞计数、远程生态系统中的野生动物跟踪、为自动驾驶车辆提供感知系统，以及引导机器人穿过复杂环境构建系统。这仅仅触及了计算机视觉可能性的表面。
图 4. 在 Ultralytics Platform 上为野生动物检测标注图像 (来源)
Link to this section为什么 Ultralytics Platform 是视觉 AI 的未来#
随着计算机视觉被越来越广泛地使用，提高视觉 AI 开发的易用性变得日益重要。许多开发人员和组织希望尝试视觉数据并构建 AI 应用程序，但传统的开发设置可能会增加入门的难度。
Ultralytics Platform 通过提供一个开发人员可以快速开始使用计算机视觉技术的环境，有助于降低这些门槛。团队无需将时间花费在设置基础设施或集成不同工具上，而是可以专注于探索想法和构建实用程序。
这种易用性为更广泛的开发人员、研究人员和组织探索视觉 AI 打开了大门。因此，更多的团队可以将视觉数据转化为有意义的洞察，并创建解决现实问题的应用程序。
随着视觉 AI 在各行各业的持续扩展，我们相信 Ultralytics Platform 将使开发变得更易于接触，并将在塑造计算机视觉的未来方面发挥关键作用。
Link to this section开始使用 Ultralytics Platform#
立即开始构建基于 Ultralytics Platform 的计算机视觉项目。你可以通过免费方案探索该平台，其中包含用于云端训练的注册积分，以及访问管理数据集、标注图像、训练模型和部署应用程序的核心工具。
随着项目的增长，你可以通过提供更多计算资源、存储、协作功能和部署容量的额外方案来扩展使用规模。该平台还为云端训练和托管端点等服务采用基于积分的定价系统，使团队能够在透明跟踪使用情况的同时进行实验和部署应用程序。
Link to this section关键要点#
图像处理和计算机视觉技术正迅速从研究实验转向支持日常技术的现实系统。Ultralytics Platform 通过为开发人员提供构建、测试和部署视觉 AI 应用程序的更简单方法，加速了这一转变。随着想法与部署之间的障碍减少，下一代计算机视觉解决方案的构建速度将比以往任何时候都更快。
加入我们的 社区 并探索 GitHub 存储库 以了解更多关于计算机视觉模型的信息。在我们的解决方案页面上阅读诸如 农业 AI 和 机器人技术中的计算机视觉 等应用。查看我们的 许可选项 并开始构建你自己的视觉 AI 模型。
