Ultralytics 支持
在我们的文档中查找答案、联系社区，或直接联系我们的团队。
来自博客
Gemini 4 Argon 现已可在 Ultralytics Platform 中用于自动标注
Gemini 4 Argon 在 Ultralytics Platform 的 26 款自动标注模型中排名第一，领先于 GPT-6.1 Sol、Gemini 3.8 Flash、Claude Opus 5.5 和 GPT-6 Astra。
开放计算，开放视觉：AMD 亮相 Ultralytics YOLO Vision 2026
了解 AMD 如何通过 ROCm 演讲、实践研讨会和在 AMD Radeon GPU 上运行 YOLO 的演示，在 Ultralytics YOLO Vision 2026 上推动开放计算。
最佳图像分类模型：如何选择
比较主流图像分类模型，从 ConvNeXt V2 和 DINOv3 到 EfficientNetV2、ViT 和 Ultralytics YOLO26-cls，并了解如何选择。
语义分割与实例分割：如何选择合适的任务
语义分割为每个像素标注类别；实例分割则区分每个对象。了解你的计算机视觉项目需要哪种任务，以及原因。
Ultralytics 亮相 Arm Create 2026：边缘设备上的实时视觉 AI
Ultralytics 亮相 Arm Create 2026：部署 Ultralytics YOLO，实现实时边缘 AI；模型专题讨论会的见解，以及全新的 Arm AI Portal。
Ultralytics 线下聚会：伦敦
回顾 Ultralytics 伦敦线下聚会：首次展示 YOLO27、Ultralytics Platform 演示，以及与 NVIDIA 和 Arm 参与的视觉 AI 专题讨论。
Ultralytics Platform 监控：确保视觉 AI 部署顺利运行
使用 Ultralytics Platform 监控已部署的视觉 AI 模型。跟踪端点运行状况、延迟、错误、日志和实时预测统计信息。
推出 Ultralytics Agents：更快构建视觉 AI 工作流
使用 Ultralytics Agents 构建可视化 AI 工作流。连接 YOLO、视觉语言模型、条件、数据集和操作。
推出 Ultralytics AutoTrain：简化视觉 AI 模型训练
在 Ultralytics Platform 中使用 AutoTrain 训练、比较和改进 Ultralytics YOLO 模型，从初始基线到生产部署。
Ultralytics YOLO Vision 2026 亮点速览！
回顾 YOLO Vision 2026 的精彩时刻：Ultralytics 发布了 Ultralytics YOLO27，并展示了 Ultralytics Platform 上的 AutoTrain、Agents 和 Monitoring。
Ultralytics YOLO26 现已支持单目深度估计
了解 Ultralytics YOLO26 全新的深度估计任务如何从单张 RGB 图像预测逐像素、具有度量尺度的深度，无需立体相机或 LiDAR。
计算机视觉最佳图像标注平台
比较九种计算机视觉图像标注平台：CVAT、Encord、Label Studio、Labelbox、Roboflow、Scale AI、SuperAnnotate、Ultralytics 和 V7。
制造业自动化缺陷检测：平台对比
比较自动化缺陷检测平台：Cognex、Instrumental、Keyence、Landing AI、Overview 和 Ultralytics，并了解如何让模型任务与缺陷相匹配。
企业计算机视觉的成本：TCO 框架
企业计算机视觉总成本框架，涵盖数据、标注、摄像头、边缘硬件、训练、推理、集成和再训练。
使用计算机视觉进行装配验证与防错
了解计算机视觉如何验证装配的完整性、正确性和顺序：包括成像工位设计、模型任务选择、PLC 集成和验证。
大规模计算机视觉推理：七个平台对比
对比七种计算机视觉推理平台：Azure ML、KServe、NVIDIA Triton、Roboflow、SageMaker AI、Ultralytics 和 Vertex AI，评估延迟和扩展能力。
Ultralytics YOLO Vision 2026：你需要了解的一切
9 月 13 日，欢迎前往深圳或在线参加 Ultralytics YOLO Vision 2026，了解全新 YOLO 模型和产品发布，观看现场演示，探索真实世界的视觉 AI。
如何减少标注工作：自动标注和主动学习工具对比
对比十种自动标注和主动学习工具：CVAT、Encord、Labelbox、Lightly、Roboflow、SuperAnnotate、Ultralytics、V7 和 Voxel51 FiftyOne。
如何为现有安防摄像头添加 AI 分析
为现有摄像头系统添加 AI 分析的三种方案：分析层、VMS 升级和自托管模型，以及决定方案选择的限制因素。
如何选择计算机视觉供应商：企业采购指南
从采购角度审视八家计算机视觉供应商：AWS、Azure、Cognex、Encord、Landing AI、NVIDIA、Roboflow 和 Ultralytics，并介绍许可检查事项。
托管云端与自托管计算机视觉部署对比
比较托管云端和自托管计算机视觉部署在成本、延迟、数据边界、扩展能力和退出风险方面的差异，并介绍三种部署模式。
在 LiteRT 上导出 Ultralytics YOLO
了解全新的 LiteRT 导出集成如何通过统一格式，将 Ultralytics YOLO 推理带到移动设备、嵌入式设备、边缘设备和浏览器环境。
计算机视觉如何引导 AMR、AGV 和自动驾驶叉车
了解计算机视觉如何助力 AMR、AGV 和自动驾驶叉车导航，摄像头、激光雷达和深度信息如何互补，以及安全保障的关键所在。
将计算机视觉从试点扩展到生产环境
将计算机视觉从试点推进到生产的六个阶段关卡，涵盖覆盖矩阵、工作流验证、模型运维和现场就绪情况。
制造业计算机视觉平台：YOLO、Cognex 和 Keyence 对比
比较制造业计算机视觉平台：Cognex、Edge Impulse、Keyence、Landing AI、Roboflow 和 Ultralytics YOLO，评估其在检测和 MES 方面的适配性。
机器人质量检测：覆盖范围为何最难保证
了解机器人质量检测的工作方式：扫描规划、校准、机器人与视觉同步、多视角融合、覆盖证明和质量记录。
数据标注的 Scale AI 替代方案
用于视觉数据标注的 Scale AI 替代方案：比较 iMerit、SuperAnnotate 和 Ultralytics Platform 在成本、启动时间、控制能力和数据处理方面的表现。
使用 Ultralytics 实现 PPE 检测与工作场所安全
使用 Ultralytics Platform 构建 PPE 检测系统：标注现场图像、训练 YOLO26、部署到云端或边缘端，并验证工作场所安全监控效果。
人员计数和占用分析的实际工作原理
了解人员计数和占用分析的工作原理：比较 WiFi、ToF、热成像和基于摄像头的视觉方法，了解现有产品以及如何构建解决方案。
用于装配和抓取放置的视觉引导机器人技术
了解视觉引导的抓取与放置如何贯穿传感、感知、校准、抓取规划、运动和恢复流程，并提供 2D 与 3D 方案的选择指南。
Gemini 4 Argon 现已可在 Ultralytics Platform 中用于自动标注
Gemini 4 Argon 在 Ultralytics Platform 的 26 款自动标注模型中排名第一，领先于 GPT-6.1 Sol、Gemini 3.8 Flash、Claude Opus 5.5 和 GPT-6 Astra。
开放计算，开放视觉：AMD 亮相 Ultralytics YOLO Vision 2026
了解 AMD 如何通过 ROCm 演讲、实践研讨会和在 AMD Radeon GPU 上运行 YOLO 的演示，在 Ultralytics YOLO Vision 2026 上推动开放计算。
最佳图像分类模型：如何选择
比较主流图像分类模型，从 ConvNeXt V2 和 DINOv3 到 EfficientNetV2、ViT 和 Ultralytics YOLO26-cls，并了解如何选择。
语义分割与实例分割：如何选择合适的任务
语义分割为每个像素标注类别；实例分割则区分每个对象。了解你的计算机视觉项目需要哪种任务，以及原因。
Ultralytics 亮相 Arm Create 2026：边缘设备上的实时视觉 AI
Ultralytics 亮相 Arm Create 2026：部署 Ultralytics YOLO，实现实时边缘 AI；模型专题讨论会的见解，以及全新的 Arm AI Portal。
Ultralytics 线下聚会：伦敦
回顾 Ultralytics 伦敦线下聚会：首次展示 YOLO27、Ultralytics Platform 演示，以及与 NVIDIA 和 Arm 参与的视觉 AI 专题讨论。
Ultralytics Platform 监控：确保视觉 AI 部署顺利运行
使用 Ultralytics Platform 监控已部署的视觉 AI 模型。跟踪端点运行状况、延迟、错误、日志和实时预测统计信息。
推出 Ultralytics Agents：更快构建视觉 AI 工作流
使用 Ultralytics Agents 构建可视化 AI 工作流。连接 YOLO、视觉语言模型、条件、数据集和操作。
推出 Ultralytics AutoTrain：简化视觉 AI 模型训练
在 Ultralytics Platform 中使用 AutoTrain 训练、比较和改进 Ultralytics YOLO 模型，从初始基线到生产部署。
Ultralytics YOLO Vision 2026 亮点速览！
回顾 YOLO Vision 2026 的精彩时刻：Ultralytics 发布了 Ultralytics YOLO27，并展示了 Ultralytics Platform 上的 AutoTrain、Agents 和 Monitoring。
Ultralytics YOLO26 现已支持单目深度估计
了解 Ultralytics YOLO26 全新的深度估计任务如何从单张 RGB 图像预测逐像素、具有度量尺度的深度，无需立体相机或 LiDAR。
计算机视觉最佳图像标注平台
比较九种计算机视觉图像标注平台：CVAT、Encord、Label Studio、Labelbox、Roboflow、Scale AI、SuperAnnotate、Ultralytics 和 V7。
制造业自动化缺陷检测：平台对比
比较自动化缺陷检测平台：Cognex、Instrumental、Keyence、Landing AI、Overview 和 Ultralytics，并了解如何让模型任务与缺陷相匹配。
企业计算机视觉的成本：TCO 框架
企业计算机视觉总成本框架，涵盖数据、标注、摄像头、边缘硬件、训练、推理、集成和再训练。
使用计算机视觉进行装配验证与防错
了解计算机视觉如何验证装配的完整性、正确性和顺序：包括成像工位设计、模型任务选择、PLC 集成和验证。
大规模计算机视觉推理：七个平台对比
对比七种计算机视觉推理平台：Azure ML、KServe、NVIDIA Triton、Roboflow、SageMaker AI、Ultralytics 和 Vertex AI，评估延迟和扩展能力。
Ultralytics YOLO Vision 2026：你需要了解的一切
9 月 13 日，欢迎前往深圳或在线参加 Ultralytics YOLO Vision 2026，了解全新 YOLO 模型和产品发布，观看现场演示，探索真实世界的视觉 AI。
如何减少标注工作：自动标注和主动学习工具对比
对比十种自动标注和主动学习工具：CVAT、Encord、Labelbox、Lightly、Roboflow、SuperAnnotate、Ultralytics、V7 和 Voxel51 FiftyOne。
如何为现有安防摄像头添加 AI 分析
为现有摄像头系统添加 AI 分析的三种方案：分析层、VMS 升级和自托管模型，以及决定方案选择的限制因素。
如何选择计算机视觉供应商：企业采购指南
从采购角度审视八家计算机视觉供应商：AWS、Azure、Cognex、Encord、Landing AI、NVIDIA、Roboflow 和 Ultralytics，并介绍许可检查事项。
托管云端与自托管计算机视觉部署对比
比较托管云端和自托管计算机视觉部署在成本、延迟、数据边界、扩展能力和退出风险方面的差异，并介绍三种部署模式。
在 LiteRT 上导出 Ultralytics YOLO
了解全新的 LiteRT 导出集成如何通过统一格式，将 Ultralytics YOLO 推理带到移动设备、嵌入式设备、边缘设备和浏览器环境。
计算机视觉如何引导 AMR、AGV 和自动驾驶叉车
了解计算机视觉如何助力 AMR、AGV 和自动驾驶叉车导航，摄像头、激光雷达和深度信息如何互补，以及安全保障的关键所在。
将计算机视觉从试点扩展到生产环境
将计算机视觉从试点推进到生产的六个阶段关卡，涵盖覆盖矩阵、工作流验证、模型运维和现场就绪情况。
制造业计算机视觉平台：YOLO、Cognex 和 Keyence 对比
比较制造业计算机视觉平台：Cognex、Edge Impulse、Keyence、Landing AI、Roboflow 和 Ultralytics YOLO，评估其在检测和 MES 方面的适配性。
机器人质量检测：覆盖范围为何最难保证
了解机器人质量检测的工作方式：扫描规划、校准、机器人与视觉同步、多视角融合、覆盖证明和质量记录。
数据标注的 Scale AI 替代方案
用于视觉数据标注的 Scale AI 替代方案：比较 iMerit、SuperAnnotate 和 Ultralytics Platform 在成本、启动时间、控制能力和数据处理方面的表现。
使用 Ultralytics 实现 PPE 检测与工作场所安全
使用 Ultralytics Platform 构建 PPE 检测系统：标注现场图像、训练 YOLO26、部署到云端或边缘端，并验证工作场所安全监控效果。
人员计数和占用分析的实际工作原理
了解人员计数和占用分析的工作原理：比较 WiFi、ToF、热成像和基于摄像头的视觉方法，了解现有产品以及如何构建解决方案。
用于装配和抓取放置的视觉引导机器人技术
了解视觉引导的抓取与放置如何贯穿传感、感知、校准、抓取规划、运动和恢复流程，并提供 2D 与 3D 方案的选择指南。
Gemini 4 Argon 现已可在 Ultralytics Platform 中用于自动标注
Gemini 4 Argon 在 Ultralytics Platform 的 26 款自动标注模型中排名第一，领先于 GPT-6.1 Sol、Gemini 3.8 Flash、Claude Opus 5.5 和 GPT-6 Astra。
开放计算，开放视觉：AMD 亮相 Ultralytics YOLO Vision 2026
了解 AMD 如何通过 ROCm 演讲、实践研讨会和在 AMD Radeon GPU 上运行 YOLO 的演示，在 Ultralytics YOLO Vision 2026 上推动开放计算。
最佳图像分类模型：如何选择
比较主流图像分类模型，从 ConvNeXt V2 和 DINOv3 到 EfficientNetV2、ViT 和 Ultralytics YOLO26-cls，并了解如何选择。
语义分割与实例分割：如何选择合适的任务
语义分割为每个像素标注类别；实例分割则区分每个对象。了解你的计算机视觉项目需要哪种任务，以及原因。
Ultralytics 亮相 Arm Create 2026：边缘设备上的实时视觉 AI
Ultralytics 亮相 Arm Create 2026：部署 Ultralytics YOLO，实现实时边缘 AI；模型专题讨论会的见解，以及全新的 Arm AI Portal。
Ultralytics 线下聚会：伦敦
回顾 Ultralytics 伦敦线下聚会：首次展示 YOLO27、Ultralytics Platform 演示，以及与 NVIDIA 和 Arm 参与的视觉 AI 专题讨论。
Ultralytics Platform 监控：确保视觉 AI 部署顺利运行
使用 Ultralytics Platform 监控已部署的视觉 AI 模型。跟踪端点运行状况、延迟、错误、日志和实时预测统计信息。
推出 Ultralytics Agents：更快构建视觉 AI 工作流
使用 Ultralytics Agents 构建可视化 AI 工作流。连接 YOLO、视觉语言模型、条件、数据集和操作。
推出 Ultralytics AutoTrain：简化视觉 AI 模型训练
在 Ultralytics Platform 中使用 AutoTrain 训练、比较和改进 Ultralytics YOLO 模型，从初始基线到生产部署。
Ultralytics YOLO Vision 2026 亮点速览！
回顾 YOLO Vision 2026 的精彩时刻：Ultralytics 发布了 Ultralytics YOLO27，并展示了 Ultralytics Platform 上的 AutoTrain、Agents 和 Monitoring。
Ultralytics YOLO26 现已支持单目深度估计
了解 Ultralytics YOLO26 全新的深度估计任务如何从单张 RGB 图像预测逐像素、具有度量尺度的深度，无需立体相机或 LiDAR。
计算机视觉最佳图像标注平台
比较九种计算机视觉图像标注平台：CVAT、Encord、Label Studio、Labelbox、Roboflow、Scale AI、SuperAnnotate、Ultralytics 和 V7。
制造业自动化缺陷检测：平台对比
比较自动化缺陷检测平台：Cognex、Instrumental、Keyence、Landing AI、Overview 和 Ultralytics，并了解如何让模型任务与缺陷相匹配。
企业计算机视觉的成本：TCO 框架
企业计算机视觉总成本框架，涵盖数据、标注、摄像头、边缘硬件、训练、推理、集成和再训练。
使用计算机视觉进行装配验证与防错
了解计算机视觉如何验证装配的完整性、正确性和顺序：包括成像工位设计、模型任务选择、PLC 集成和验证。
大规模计算机视觉推理：七个平台对比
对比七种计算机视觉推理平台：Azure ML、KServe、NVIDIA Triton、Roboflow、SageMaker AI、Ultralytics 和 Vertex AI，评估延迟和扩展能力。
Ultralytics YOLO Vision 2026：你需要了解的一切
9 月 13 日，欢迎前往深圳或在线参加 Ultralytics YOLO Vision 2026，了解全新 YOLO 模型和产品发布，观看现场演示，探索真实世界的视觉 AI。
如何减少标注工作：自动标注和主动学习工具对比
对比十种自动标注和主动学习工具：CVAT、Encord、Labelbox、Lightly、Roboflow、SuperAnnotate、Ultralytics、V7 和 Voxel51 FiftyOne。
如何为现有安防摄像头添加 AI 分析
为现有摄像头系统添加 AI 分析的三种方案：分析层、VMS 升级和自托管模型，以及决定方案选择的限制因素。
如何选择计算机视觉供应商：企业采购指南
从采购角度审视八家计算机视觉供应商：AWS、Azure、Cognex、Encord、Landing AI、NVIDIA、Roboflow 和 Ultralytics，并介绍许可检查事项。
托管云端与自托管计算机视觉部署对比
比较托管云端和自托管计算机视觉部署在成本、延迟、数据边界、扩展能力和退出风险方面的差异，并介绍三种部署模式。
在 LiteRT 上导出 Ultralytics YOLO
了解全新的 LiteRT 导出集成如何通过统一格式，将 Ultralytics YOLO 推理带到移动设备、嵌入式设备、边缘设备和浏览器环境。
计算机视觉如何引导 AMR、AGV 和自动驾驶叉车
了解计算机视觉如何助力 AMR、AGV 和自动驾驶叉车导航，摄像头、激光雷达和深度信息如何互补，以及安全保障的关键所在。
将计算机视觉从试点扩展到生产环境
将计算机视觉从试点推进到生产的六个阶段关卡，涵盖覆盖矩阵、工作流验证、模型运维和现场就绪情况。
制造业计算机视觉平台：YOLO、Cognex 和 Keyence 对比
比较制造业计算机视觉平台：Cognex、Edge Impulse、Keyence、Landing AI、Roboflow 和 Ultralytics YOLO，评估其在检测和 MES 方面的适配性。
机器人质量检测：覆盖范围为何最难保证
了解机器人质量检测的工作方式：扫描规划、校准、机器人与视觉同步、多视角融合、覆盖证明和质量记录。
数据标注的 Scale AI 替代方案
用于视觉数据标注的 Scale AI 替代方案：比较 iMerit、SuperAnnotate 和 Ultralytics Platform 在成本、启动时间、控制能力和数据处理方面的表现。
使用 Ultralytics 实现 PPE 检测与工作场所安全
使用 Ultralytics Platform 构建 PPE 检测系统：标注现场图像、训练 YOLO26、部署到云端或边缘端，并验证工作场所安全监控效果。
人员计数和占用分析的实际工作原理
了解人员计数和占用分析的工作原理：比较 WiFi、ToF、热成像和基于摄像头的视觉方法，了解现有产品以及如何构建解决方案。
用于装配和抓取放置的视觉引导机器人技术
了解视觉引导的抓取与放置如何贯穿传感、感知、校准、抓取规划、运动和恢复流程，并提供 2D 与 3D 方案的选择指南。
常见问题
可以。除了标准支持外，Ultralytics 还为需要实操协助将 YOLO 集成到 Web、移动端或云产品中的团队提供定制工程服务。这些服务包括模型训练、部署架构和定制解决方案。请联系销售团队，讨论你的需求并获取报价。
如果开源 YOLO 软件包存在 bug，请在 GitHub 上提交 issue。如果问题与 Ultralytics Platform 特有功能有关，例如训练任务、部署或账单，请使用平台内的反馈表单；如果你使用 Enterprise 方案，也可以通过专属支持渠道联系我们。
社区支持的响应时间取决于论坛和 GitHub 上的活跃程度，但我们的团队力争在 24 小时内回复 GitHub issue。Enterprise 客户可享有合同 SLA 中规定的响应时间保证，具体安排会根据组织的规模和需求定制。
Enterprise 客户可获得专属 SE/CSM、合同 SLA、SE 培训支持时数、包含里程碑检查的结构化入门指导、项目赋能支持，以及季度业务回顾。这项服务专为大规模使用 Ultralytics、从第一天起就需要与我们团队直接沟通渠道的组织设计。请联系销售团队，讨论适合你组织的方案。
Free 和 Pro 套餐均提供社区支持，你可以在活跃的论坛中提问、分享项目，并获得其他开发者和 Ultralytics 团队的解答。你还可以完整使用 Ultralytics 文档、GitHub，以及涵盖从标注到部署各个环节的视频教程。
让我们携手构建 AI 的未来！
开启你的旅程，迎接机器学习的未来