Ultralytics 简介：标注、训练和部署视觉 AI 的最智能方式

我们构建了Ultralytics 生态系统，旨在让计算机视觉技术触手可及。如今，全球数百万开发者正在训练Ultralytics YOLO ，将其应用于从工厂检测线到自动配送系统等各个领域。 

但多年来，我们不断从社区听到同样的反馈：在计算机视觉领域，训练出一个强大的模型已不再是最大的障碍，真正的障碍在于将其投入生产。 

今天，我们将改变这一现状。欢迎了解Ultralytics ：这是一个专为将您的视觉 AI 从原始数据转化为现实世界中的生产级部署而打造的终极端到端平台。

优秀模型与优秀产品之间的差距

在过去的十年里，计算机视觉和深度学习已从研究领域迅速发展成为支撑现实世界系统的关键基础设施。它驱动着生产车间的质量检测，实现了无人收银零售，引导着手术机器人，并确保自动驾驶汽车保持正确行驶轨迹。这些模型的功能前所未有的强大，但从可运行的原型到可靠的生产系统的转变？这仍然比预期的要困难得多。 

如今，大多数团队都是将标注、训练、实验追踪、部署和监控等独立工具拼凑在一起使用。每次集成都会增加复杂性，每次交接都会减缓开发势头。结果，数周时间就在不知不觉中流逝，团队忙于管理基础设施，却无暇构建应用程序本身。

在与计算机视觉领域的开发者、初创公司和企业团队紧密合作的过程中，我们不断遇到以下三个挑战：

• 标注瓶颈：高性能模型需要高质量的标注数据，但创建和维护这些数据集的过程依然缓慢且耗费大量人力。
• 部署鸿沟：一个在训练中表现优异的模型，可能需要数周的额外工程工作，才能在边缘设备、云环境和生产系统上稳定运行。
• 工具碎片化带来的代价：将 标注、训练、监控和部署分散 在多个服务中，会产生累积的开销，从而拖慢每个迭代周期。

这些反复出现的挑战是现代计算机视觉开发中的关键瓶颈，也正是这些挑战促使我们最终Ultralytics 。通过简化从数据准备到部署的工作流程，并串联起计算机视觉开发的关键阶段，团队能够更轻松地将有前景的模型转化为实际应用的视觉AI系统。

视觉AI的完整生命周期，一站式呈现

Ultralytics 整合了计算机视觉工作流的各个阶段，涵盖数据管理、标注、模型训练、部署及监控。所有功能均集成在一个互联的工作空间中，从而降低复杂性，加速从构想到实际应用的进程。

上传您的图片或视频。使用内置标注工具对其进行标注。直接在平台上训练Ultralytics 等模型。在全球范围内部署。实时监控性能。每个阶段都无缝衔接，因此您可以专注于构建应用程序，而非管理基础设施。

从构想到部署：Ultralytics

将计算机视觉的构想转化为可运行的系统需要经过多个阶段，从数据准备到在生产环境中运行模型。Ultralytics 将这一过程整合为清晰简洁的流程，助您轻松实现从初步构想到模型部署的转变。

注释：大幅提速

数据标注历来是任何计算机视觉项目中最耗时的一环。Ultralytics 能显著加快这一过程，并专为适应您数据的存储位置而设计。 

您可以上传原始图像、视频或数据集压缩包，导入已按YOLO COCO 标注好的数据集，或克隆Ultralytics 共享的公开数据集。无论您是从零开始，还是基于现有成果进行开发，数据一经上传至平台即可立即投入使用。

如果您的图像或视频尚未标注，内置的标注编辑器能显著加快标注速度。它支持所有主要的计算机视觉任务，从目标检测和实例分割，到姿势估计 、定向边界框（旋转框检测）检测以及图像分类，并配备了兼顾速度与精度的专用工具。

其最突出的功能是SAM 智能标注。借助 Segment Anything Model 3（SAM ），您只需点击目标物体并添加几个控制点进行微调，即可生成精确的遮罩、边界框或定向框。过去需要数小时手动勾勒的工作，如今只需几分钟即可完成，这使团队能够以与开发速度相匹配的节奏构建高质量的数据集。

姿势估计 、姿势估计 模板、键盘快捷键、内联类管理以及撤销/重做功能，共同构成了旨在助您保持创作流畅性的标注体验。

训练：轻松自如，威力十足

数据标注完成后，只需点击一下即可开始训练。Ultralytics YOLO11以及Ultralytics YOLO 系列所有YOLO 均获得原生支持，既可直接在平台上利用云端图形处理单元（GPU）进行训练，也可在本地硬件上进行训练，同时将指标数据实时流式传输回平台。 

您可以从丰富的云端GPU 进行选择，包括 RTX 4090、RTX PRO 6000、NVIDIA 、H100 等，或者在本地硬件上进行训练，同时将实时指标流式传输回平台。每个实验都会自动归入项目中，将相关模型分组管理，从而便于track 不同数据集、参数和配置track 结果track 并识别出最优模型。

监控损失曲线、精确率、召回率以及平均精确率（mAP）随训练轮次的推移而变化的情况。深入分析混淆矩阵和精确率-召回率曲线，以准确了解模型在哪些方面表现良好，哪些方面还有改进空间。将多次运行结果并排比较，以找出能带来最佳效果的配置。

Ultralytics 还能自动管理训练生命周期的关键阶段。在整个训练过程中会保存检查点，既保留性能最佳的模型，也保留最终训练好的权重。预训练模型可在平台内直接进行微调，训练好的模型也可上传或下载以供其他环境使用，从而让团队在工作方式和地点上拥有完全的灵活性。

无需配置基础设施，无需单独搭建实验追踪服务。只需一条清晰高效的路径，即可从标注数据直接生成可投入实际应用的训练模型。

全球部署，全面监控

一个经过良好训练的模型需要一条同样高效的部署路径。Ultralytics 正是为此而生。 

首先，直接在浏览器中验证模型的推理结果。当您对结果有信心后，即可将模型部署到全球 43 个区域，这些区域配备了专用的端点，可自动扩展以适应需求，每个区域都拥有一个独特的 API 端点，可随时集成到您的应用程序中。

无论您需要在云端部署，还是在边缘设备上运行模型Ultralytics 都提供了专为这两种场景设计的灵活方案。 所有Ultralytics YOLO 均经过原生优化，可在各种环境中高效运行，即使在计算资源有限的边缘硬件上也能提供可靠的性能。对于需要在平台外运行模型的团队Ultralytics 导出至17 种经过验证的格式，包括ONNX、TensorRT、CoreML、TFLite 和OpenVINO从而让您的模型能够在云服务、移动设备、边缘系统等环境中原生运行。

模型上线后，部署仪表板中的内置监控功能可让您全面掌握生产环境的性能状况：包括请求量、延迟指标、错误率、端点健康状况以及详细日志。您还可以查看日志、检查端点健康状态，并track 随时间变化的track ，从而确保计算机视觉系统在生产环境中稳定运行，并发现优化性能的机会。

立即开始，或查阅Ultralytics ，深入了解该平台的功能。

推动视觉人工智能开发的普及

随着您对Ultralytics 了解日益加深，您很快就会发现，该平台的目标远不止于提供构建计算机视觉系统的工具。从本质上讲，该平台旨在帮助更广泛的社区更便捷、更友好地开展视觉人工智能开发工作。

从历史上看，构建和部署人工智能系统需要专门的基础设施、复杂的工具以及大量的前期投入。即使在强大模型的训练变得更加容易之后，相关的工作流程——包括管理数据集、运行实验、部署模型以及维护基础设施——对于个人和小型团队而言仍然难以驾驭。

Ultralytics 将整个视觉 AI 工作流整合到单一环境中，同时简化入门流程，从而降低了这些门槛。新用户可以通过免费套餐开始体验该平台，该套餐包含用于云端训练的注册积分，并可访问数据集管理、标注工具、模型训练和模型导出等核心功能。

随着项目规模的扩大，用户或企业客户可以通过购买额外的积分和升级平台套餐来扩展服务，从而解锁更多的计算资源、存储空间、协作功能和部署能力。这种灵活的方式意味着开发者、研究人员、初创企业和大型企业可以从小规模起步，自由地进行实验，并在计算机视觉系统逐步投入生产环境时扩大使用规模。

Ultralytics 通过将端到端的计算机视觉工作流与亲民的定价模式相结合，为更多人开发、测试和部署实际应用中的视觉人工智能应用程序提供了便利。

主要要点

Ultralytics 视觉 AI 的整个生命周期整合到一个功能强大的工作空间中，从而加快了从原始数据到可投入生产的视觉 AI 系统的开发进程。凭借内置的标注、训练、部署和监控工具，团队YOLOv5 管理复杂的基础设施YOLOv5 即可构建并部署Ultralytics 、Ultralytics YOLO11、Ultralytics YOLOv8 和Ultralytics YOLOv5 等模型。 

无论您是正在尝试构建首个模型，还是大规模部署视觉人工智能，该平台都旨在为这一过程的每个阶段提供支持。

加入我们的社区，探索制造业中的AI应用以及 零售业中的视觉AI等创新技术 。访问我们的GitHub仓库，了解我们的授权方案，立即开始探索计算机视觉领域。