Zuhause

中文 | 한국어 | 日本語 | Русский | Deutsch | Français | Español | Português | Türkçe | Tiếng Việt | हिन्दी | العربية

Wir stellen vor: Ultralytics YOLOv8YOLOv8 basiert auf den neuesten Entwicklungen im Bereich Deep Learning und Computer Vision und bietet eine unvergleichliche Leistung in Bezug auf Geschwindigkeit und Genauigkeit. Durch sein schlankes Design ist es für verschiedene Anwendungen geeignet und lässt sich leicht an unterschiedliche Hardwareplattformen anpassen, von Edge-Geräten bis hin zu Cloud-APIs.

Entdecke die YOLOv8 Docs, eine umfassende Ressource, die dir helfen soll, die Funktionen und Möglichkeiten von zu verstehen und zu nutzen. Egal, ob du ein erfahrener Machine-Learning-Experte oder ein Neuling auf dem Gebiet bist, dieser Hub soll dir helfen, das Potenzial von YOLOv8 in deinen Projekten zu maximieren.

Wo man anfängt

• Installiere ultralytics mit Pip und in wenigen Minuten einsatzbereit   Anfangen
• Vorhersage neue Bilder und Videos mit YOLOv8   Auf Bildern vorhersagen
• Zug ein neues YOLOv8 Modell für deinen eigenen Datensatz   Ein Modell trainieren
• Aufgaben YOLOv8 Aufgaben wie Segmentieren, Klassifizieren, Posieren und Verfolgen   Aufgaben erforschen
• NEU 🚀 Erforschen Datensätze mit erweiterter semantischer und SQL-Suche   Einen Datensatz erforschen

Pass auf: So trainierst du ein YOLOv8 Modell auf deinem eigenen Datensatz in Google Colab.

YOLO: Eine kurze Geschichte

YOLO (You Only Look Once), ein beliebtes Modell zur Objekterkennung und Bildsegmentierung, wurde von Joseph Redmon und Ali Farhadi an der University of Washington entwickelt. Seit seiner Einführung im Jahr 2015 hat YOLO aufgrund seiner hohen Geschwindigkeit und Genauigkeit schnell an Popularität gewonnen.

• YOLOv2, das 2016 veröffentlicht wurde, verbesserte das ursprüngliche Modell durch die Integration von Stapelnormalisierung, Ankerboxen und Dimensionsclustern.
• YOLOv3, das 2018 auf den Markt kam, verbesserte die Leistung des Modells durch ein effizienteres Backbone-Netzwerk, mehrere Anker und ein räumliches Pyramiden-Pooling weiter.
• YOLOv4 wurde 2020 veröffentlicht und brachte Neuerungen wie die Mosaik-Datenerweiterung, einen neuen ankerlosen Erkennungskopf und eine neue Verlustfunktion.
• YOLOv5 hat die Leistung des Modells weiter verbessert und neue Funktionen wie Hyperparameter-Optimierung, integrierte Experimentverfolgung und automatischen Export in gängige Exportformate hinzugefügt.
• YOLOv6 wurde von Meituan im Jahr 2022 veröffentlicht und wird in vielen autonomen Lieferrobotern des Unternehmens eingesetzt.
• YOLOv7 fügte zusätzliche Aufgaben hinzu, wie z.B. die Schätzung der Pose auf dem COCO Keypoints-Datensatz.
• YOLOv8 ist die neueste Version von YOLO von Ultralytics. Als hochmodernes Modell (SOTA) baut YOLOv8 auf dem Erfolg früherer Versionen auf und führt neue Funktionen und Verbesserungen ein, um die Leistung, Flexibilität und Effizienz zu steigern. YOLOv8 unterstützt eine ganze Reihe von KI-Aufgaben, darunter Erkennung, Segmentierung, Posenschätzung, Verfolgung und Klassifizierung. Diese Vielseitigkeit ermöglicht es den Nutzern, die Fähigkeiten von YOLOv8 in verschiedenen Anwendungen und Bereichen zu nutzen.
• YOLOv9 führt innovative Methoden wie Programmable Gradient Information (PGI) und das Generalized Efficient Layer Aggregation Network (GELAN) ein.
• YOLOv10 wurde von Forschern der Tsinghua Universität unter Verwendung des Ultralytics Python Paket. Diese Version bietet Fortschritte bei der Objekterkennung in Echtzeit, indem sie einen End-to-End-Kopf einführt, der die Anforderungen der Non-Maximum Suppression (NMS) eliminiert.

YOLO Lizenzen: Wie ist Ultralytics YOLO lizenziert?

Ultralytics bietet zwei Lizenzierungsoptionen für verschiedene Anwendungsfälle:

• AGPL-3.0 Lizenz: Diese von der OSI genehmigte Open-Source-Lizenz ist ideal für Studierende und Enthusiasten und fördert die offene Zusammenarbeit und den Wissensaustausch. Weitere Einzelheiten findest du in der LICENSE-Datei.
• Unternehmenslizenz: Diese Lizenz wurde für die kommerzielle Nutzung entwickelt und ermöglicht die nahtlose Integration von Ultralytics Software und KI-Modellen in kommerzielle Waren und Dienstleistungen, ohne die Open-Source-Anforderungen von AGPL-3.0 zu erfüllen. Wenn du unsere Lösungen in ein kommerzielles Angebot einbinden möchtest, wende dich an Ultralytics Licensing.

Mit unserer Lizenzierungsstrategie wollen wir sicherstellen, dass alle Verbesserungen an unseren Open-Source-Projekten an die Gemeinschaft zurückgegeben werden. Die Prinzipien von Open Source liegen uns sehr am Herzen ❤️ und wir wollen sicherstellen, dass unsere Beiträge zum Nutzen aller genutzt und erweitert werden können.

FAQ

Was ist Ultralytics YOLO und wie verbessert es die Objekterkennung?

Ultralytics YOLO ist die neueste Weiterentwicklung der beliebten YOLO (You Only Look Once)-Serie für die Echtzeit-Objekterkennung und Bildsegmentierung. Sie baut auf den Vorgängerversionen auf und bietet neue Funktionen und Verbesserungen für mehr Leistung, Flexibilität und Effizienz. YOLOv8 unterstützt verschiedene KI-Aufgaben wie Erkennung, Segmentierung, Posenschätzung, Verfolgung und Klassifizierung. Seine hochmoderne Architektur sorgt für überragende Geschwindigkeit und Genauigkeit und eignet sich daher für verschiedene Anwendungen, einschließlich Edge Devices und Cloud APIs.

Wie kann ich mit der Installation und Einrichtung von YOLO beginnen?

Die ersten Schritte mit YOLO sind schnell und einfach. Du kannst das Paket Ultralytics mit pip installieren und in wenigen Minuten einsatzbereit sein. Hier ist ein einfacher Installationsbefehl:

pip install ultralytics

Eine umfassende Schritt-für-Schritt-Anleitung findest du in unserer Schnellstart-Anleitung. Sie hilft dir bei der Installation, der Ersteinrichtung und dem Betrieb deines ersten Modells.

Wie kann ich ein benutzerdefiniertes YOLO Modell auf meinem Datensatz trainieren?

Das Training eines benutzerdefinierten YOLO Modells auf deinem Datensatz umfasst einige detaillierte Schritte:

1. Bereite deinen kommentierten Datensatz vor.
2. Konfiguriere die Trainingsparameter in einer YAML-Datei.
3. Verwenden Sie die yolo train Befehl, um das Training zu starten.

Hier ist ein Beispielbefehl:

yolo train model=yolov8n.pt data=coco128.yaml epochs=100 imgsz=640

Eine ausführliche Anleitung findest du in unserem Leitfaden Train a Model mit Beispielen und Tipps zur Optimierung deines Schulungsprozesses.

Welche Lizenzierungsmöglichkeiten gibt es für Ultralytics YOLO ?

Ultralytics bietet zwei Lizenzierungsoptionen für YOLO an:

• AGPL-3.0 Lizenz: Diese Open-Source-Lizenz ist ideal für die pädagogische und nicht-kommerzielle Nutzung und fördert die offene Zusammenarbeit.
• Unternehmenslizenz: Sie ist für kommerzielle Anwendungen gedacht und ermöglicht die nahtlose Integration der Software Ultralytics in kommerzielle Produkte ohne die Einschränkungen der AGPL-3.0 Lizenz.

Weitere Informationen findest du auf unserer Seite zur Lizenzierung.

Wie kann Ultralytics YOLO für die Objektverfolgung in Echtzeit genutzt werden?

Ultralytics YOLO unterstützt eine effiziente und anpassbare Multi-Objektverfolgung. Um die Tracking-Funktionen zu nutzen, kannst du die yolo track Befehl wie unten gezeigt:

yolo track model=yolov8n.pt source=video.mp4

Eine detaillierte Anleitung zum Einrichten und Ausführen der Objektverfolgung findest du in unserer Dokumentation zum Verfolgungsmodus, in der die Konfiguration und die praktischen Anwendungen in Echtzeitszenarien erläutert werden.

Kommentare