ultralytics/ultralytics

项目概览

该项目通过单一代码库覆盖六类核心视觉任务，并以 pip 安装和首次运行自动下载模型机制降低了使用门槛。

项目类型

模型运行 · 图像视觉 · 视频技术

部署方式

查看项目说明

License

AGPL-3.0

适合谁

• 希望通过统一的 Python API 和 CLI 快速完成多类视觉任务推理的开发者。
• 需要在自定义数据集上训练 YOLO 模型并导出部署的 AI 工程师和研究人员。

核心能力

• 检测并定位图像内的目标。用户输入图像文件后，可获取边界框及检测结果。
• 执行实例级别的分割，在像素级别识别目标边界。
• 对图像中的每个像素进行分类，实现语义级别的分割。
• 对整张图像的主要主体进行分类。
• 估计图像中目标的姿态或关键点。
• 在连续帧或视频中追踪已检测到的目标。
• 使用 CLI 或 Python API 在自定义数据集上训练模型。
• 将训练好的或预训练的模型导出为 ONNX 等多种格式，用于后续部署。

限制与风险

• 该项目采用 AGPL-3.0 许可证，要求开放衍生作品的源代码，这对闭源商业产品的合规性构成了挑战。

如何开始

• 通过简单的 pip install ultralytics 命令即可完成安装，CLI 和 Python 使用示例的样板代码少，上手难度低。

核验依据

• README: creates cutting-edge, state-of-the-art (SOTA) YOLO models built on years of foundational research in computer vision and AI. Constantly updated for performance and flexibility, ou…
• README: Install the `ultralytics` package, including all requirements, in a Python>=3.8 environment with PyTorch>=1.8.
• README: You can use Ultralytics YOLO directly from the Command Line Interface (CLI) with the `yolo` command:
• README: yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'
• README: Ultralytics YOLO can also be integrated directly into your Python projects.

内容核验时间：