深圳Yolo 视觉
深圳
立即加入

Ultralytics YOLO 模型

利用Ultralytics YOLO 模型为视觉人工智能解决方案提供动力,通过高效的计算机视觉任务,实现快速、准确的图像和视频实时分析。

深受行业领导者信赖

壳牌标志美国国家标准与技术研究院标志美国国家地理空间情报局标志Menlo Security 标志阿贡国家实验室标志武藏精密标志美国国防情报局标志
壳牌标志美国国家标准与技术研究院标志美国国家地理空间情报局标志Menlo Security 标志阿贡国家实验室标志武藏精密标志美国国防情报局标志
壳牌标志美国国家标准与技术研究院标志美国国家地理空间情报局标志Menlo Security 标志阿贡国家实验室标志武藏精密标志美国国防情报局标志

尝试Ultralytics YOLO 模型

直接在浏览器中探索Ultralytics YOLO 模型的工作原理。

0.00
0.00
正在运行推理...
发生了一些错误...
上传图片
乘客队列北卡罗来纳州动物园的长颈鹿和斑马
谢谢!您已成功提交!
糟糕!提交表单时出错。

我们模型的影响

利用我们尖端的视觉人工智能模型,简化各行业的流程。Ultralytics 提供速度、准确性和易用性。

GitHub Stars

120.1K+

下载

191.9M+

Ultralytics YOLO 使用量/天

2.3B+

开源贡献者

900+

YOLO 模式的演变

2015
YOLO
由Joseph Redmon及其团队开发。
2016
YOLOv2
由 Joseph Redmon 和 Ali Farhadi 创建。
2018
YOLOv3
由Joseph Redmon和Ali Farhadi开发。
2018
YOLOv4
由Alexey Bochkovskiy及其团队开发。
2020 -Ultralytics YOLOv5
Ultralytics YOLOv5
它以快速、准确的性能和用户友好的设计重新定义了物体检测。由Ultralytics 开发的YOLOv5 凭借其简单的PyTorch 实现和可靠的实时结果成为行业标准。
了解更多
2022
YOLOv6
由美团及其团队推出。
2022
YOLOv7
由 Chien-Yao Wang 及其团队发布。
2023 -Ultralytics YOLOv8
Ultralytics YOLOv8
该版本由Ultralytics 开发,扩展了对实例分割、分类和姿势估计 等新任务的支持,同时以简洁的模块化格式全面提高了性能。
了解更多
2024
YOLOv9
由Chien-Yao Wang及其团队开发。
2024
YOLOv10
由清华大学的 Ao Wang 设计。
2024 -Ultralytics YOLO11
Ultralytics YOLO11
与Ultralytics YOLOv8 一样易于使用,Ultralytics 发布了YOLO11,该模型支持用户熟悉的计算机视觉任务,同时提供更高的精度、准确性和速度。
了解更多
2025 -Ultralytics YOLO26
Ultralytics YOLO26
Ultralytics 的最新型号 YOLO26 更好、更快、更小。它专为实际部署而设计,具有无与伦比的效率和准确性。
了解更多

Ultralytics YOLO 型号一览

Ultralytics YOLOv5
Ultralytics YOLOv8
Ultralytics YOLO11
速度
图像处理时间
1.06 毫秒
0.99 毫秒
1.05 毫秒
准确率
mAP50
34.3%
37.3%
39.5%
支持的任务
目标检测
Ultralytics
YOLOv5
Ultralytics
YOLOv8
Ultralytics
YOLO11
图像分类
Ultralytics
YOLOv5
Ultralytics
YOLOv8
Ultralytics
YOLO11
实例分割
Ultralytics
YOLOv5
Ultralytics
YOLOv8
Ultralytics
YOLO11
目标跟踪
Ultralytics
YOLOv5
Ultralytics
YOLOv8
Ultralytics
YOLO11
姿势估计
Ultralytics
YOLOv5
Ultralytics
YOLOv8
Ultralytics
YOLO11
旋转框检测
Ultralytics
YOLOv5
Ultralytics
YOLOv8
Ultralytics
YOLO11
申请许可

为什么选择Ultralytics YOLO?

针对边缘和云部署进行了优化

针对边缘和云部署进行了优化

Ultralytics YOLO 模型专为边缘和云部署而设计,为您的实时视觉人工智能项目带来灵活性。这意味着,在各种基础设施上都能获得更快、更可靠的结果。

1

无缝集成,
内置安全功能

无缝集成,
内置安全功能

跨平台、跨设备轻松集成Ultralytics YOLO 模型,适用于所有视觉人工智能工作流程。您的数据将保留在本地,您可以放心地保护这些数据。

2

清晰的许可和合规性

清晰的许可和合规性

我们为Ultralytics YOLO 模型提供灵活的许可选项,包括学术许可、开源许可和企业许可。请选择最适合您需求的选项。

3

由全球社区提供支持

由全球社区提供支持

在Ultralytics,我们为自己拥有一个全球性的活跃社区而感到自豪。通过专门的支持渠道、论坛和定期更新,您将始终获得成功所需的资源。

4

最先进的准确性和效率

最先进的准确性和效率

我们致力于改进我们的模型,突破视觉人工智能的界限。模型性能是我们研发的核心,以准确性、效率和精简的基础设施为主导。

5

观看我们的模型演示

了解更多

常见问题

Ultralytics YOLO 模式有哪些?

我们的模型包括Ultralytics YOLOv5、Ultralytics YOLOv8 和Ultralytics YOLO11。每个版本都提高了准确性和速度,并支持多种视觉任务,如物体检测、分割和姿势估计 ,适用于多种人工智能应用。

哪种YOLO 模式最好?

最适合您使用情况的Ultralytics YOLO 型号取决于您的需求。最新的Ultralytics YOLO11 型号在准确性、速度和多任务支持方面都有最新改进。

什么是Python 中的Ultralytics ?

Ultralytics Python 软件包,开发人员可以轻松访问Ultralytics YOLO 模型,在Python 项目中训练、验证和部署对象检测和分割等计算机视觉任务。

Ultralytics YOLO11 有哪些不同型号?

Ultralytics YOLO11 的不同型号包括 YOLO11n、YOLO11s、YOLO11m、YOLO11l 和 YOLO11x。它们有不同的尺寸,可在速度和精度之间取得平衡,以满足不同用途的需要。

使用Ultralytics YOLO开始建设

开始使用