#6 · 主分类： 计算机视觉
ultralytics
computer-vision
deep-learning
image-classification
instance-segmentation
machine-learning
object-detection
object-tracking
pose-estimation
python
pytorch
rotated-object-detection
segment-anything
semantic-segmentation
tracking
ultralytics
yolo
yolo-world
yolo11
yolo26
yolov8
Ultralytics YOLO26、YOLO11、YOLOv8——目标检测、实例分割、语义分割、图像分类、姿态估计、目标跟踪
项目最后更新：08/29/26
GitHub Stars
61.1K
Forks数量
11.7K
贡献者数量
443
许可证
AGPL-3.0
收录理由
Ultralytics 是计算机视觉领域绕不开的 YOLO 实现，绝大多数视觉项目都会从这里起步。它提供从 YOLOv8、YOLO11 到 YOLO26 的完整模型家族，目标检测、实例分割、语义分割、图像分类、姿态估计和跟踪都能通过同一套 Python 和命令行接口完成，切换任务时不必重新学习 API。预训练权重首次使用自动下载，训练自有数据、验证、推理以及导出 ONNX 等格式都遵循同一套流程，上手成本很低。文档质量扎实，社区规模大，遇到问题基本都能找到答案，无论是快速验证想法还是搭建生产级视觉管线，它都是稳妥的默认选择。模型尺寸覆盖范围广，在算力有限的设备上做实时推理时，也能方便地在速度和精度之间做取舍。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。