客户成功案例

Ultralytics 的YOLO 模型与我们的Metis人工智能处理单元（AIPU）非常匹配。它们易于集成，运行效率高，可以帮助我们的客户在短时间内获得有影响力的视觉人工智能应用，并在边缘运行。"

"Ultralytics YOLO 模型在 STM32 微控制器上的性能为边缘计算机视觉开辟了新天地。凭借简化的集成和对多种型号变体的支持，开发人员完全可以构建可扩展且反应灵敏的嵌入式视觉解决方案。

"与其他模型相比，有了Ultralytics，我们能够以更高的精度提高速度。与各种框架--CUDA、TensorRT、ONNX、OpenVINO --的兼容性对于在研发过程中微调权重，然后针对我们所拥有的硬件进行优化非常有帮助。

"通常，训练一个机器学习模型需要花费大量时间，你往往需要等待两到三天才能完成推理，然后再决定准确性是否足够好。但有了Ultralytics YOLO，我们可以在一天内完成模型训练，快速做出决策，并迅速从结果中学习。训练完成后，我们还可以增强数据集，进一步提高性能。

"在 ALYCE，利用Ultralytics 已经改变了我们模型培训的游戏规则，使我们能够提高数据的准确性，为我们的客户提供无与伦比的质量，并协助他们开展可持续移动项目"。

"它们以卓越的准确性和效率将视觉数据转化为可操作的洞察力。通过将Ultralytics YOLOv8 与 SSS（索尼半导体解决方案公司）的 IMX500 传感器相结合，此次合作带来了强大的设备上人工智能功能，为依赖高性能视觉数据处理的企业增强了实时决策能力。"

"我们只是在浅尝辄止。有了Ultralytics YOLO，我们就有了开发解决方案的基础，这些解决方案不仅更安全，而且更智能，能够提供实时见解，从而挽救生命并改变工业安全管理方式。"

"将Ultralytics YOLO 集成到我们的 Instabase AI 平台是一个简单轻松的过程。它有助于加快发布进度，使我们能够向客户提供视觉对象识别功能。

"Ultralytics的YOLO 模型改变了人工智能行业的游戏规则。YOLOv5 和YOLOv8 模型因其易用性、一流的性能和准确性而受到开发人员的青睐。与OpenVINO 搭配使用，这些模型有望在现代 CPU 上实现最佳的开箱即用性能。