Saltar al contenido

Inicio

Te presentamos Ultralytics YOLOv8YOLOv8 , la 煤ltima versi贸n del aclamado modelo de detecci贸n de objetos y segmentaci贸n de im谩genes en tiempo real. se basa en los 煤ltimos avances en aprendizaje profundo y visi贸n por ordenador, y ofrece un rendimiento inigualable en t茅rminos de velocidad y precisi贸n. Su dise帽o aerodin谩mico lo hace adecuado para diversas aplicaciones y f谩cilmente adaptable a diferentes plataformas de hardware, desde dispositivos de borde a APIs en la nube.

Explora YOLOv8 Docs, un completo recurso dise帽ado para ayudarte a comprender y utilizar sus funciones y capacidades. Tanto si eres un experto en aprendizaje autom谩tico como si eres nuevo en este campo, este centro tiene como objetivo maximizar el potencial de YOLOv8 en tus proyectos.

Por d贸nde empezar



Observa: C贸mo entrenar un modelo YOLOv8 con tu conjunto de datos personalizado en Google Colab.

YOLO: Breve historia

YOLO (You Only Look Once), un popular modelo de detecci贸n de objetos y segmentaci贸n de im谩genes, fue desarrollado por Joseph Redmon y Ali Farhadi en la Universidad de Washington. Lanzado en 2015, YOLO gan贸 popularidad r谩pidamente por su gran velocidad y precisi贸n.

  • YOLOv2, publicado en 2016, mejor贸 el modelo original incorporando la normalizaci贸n por lotes, las cajas de anclaje y los grupos de dimensiones.
  • YOLOv3, lanzado en 2018, mejor贸 a煤n m谩s el rendimiento del modelo utilizando una red troncal m谩s eficiente, anclajes m煤ltiples y agrupaci贸n de pir谩mides espaciales.
  • YOLOv4 se lanz贸 en 2020, introduciendo innovaciones como el aumento de datos Mosaico, un nuevo cabezal de detecci贸n sin anclajes y una nueva funci贸n de p茅rdida.
  • YOLOv5 mejor贸 a煤n m谩s el rendimiento del modelo y a帽adi贸 nuevas funciones, como la optimizaci贸n de hiperpar谩metros, el seguimiento integrado de experimentos y la exportaci贸n autom谩tica a formatos de exportaci贸n populares.
  • YOLOv6 fue de c贸digo abierto para Meituan en 2022 y se utiliza en muchos de los robots aut贸nomos de reparto de la empresa.
  • YOLOv7 a帽adi贸 tareas adicionales, como la estimaci贸n de la pose en el conjunto de datos de puntos clave COCO.
  • YOLOv8 es la 煤ltima versi贸n de YOLO de Ultralytics. Como modelo de vanguardia y de 煤ltima generaci贸n (SOTA), YOLOv8 se basa en el 茅xito de las versiones anteriores, introduciendo nuevas funciones y mejoras para aumentar el rendimiento, la flexibilidad y la eficacia. YOLOv8 admite una gama completa de tareas de IA de visi贸n, como la detecci贸n, la segmentaci贸n, la estimaci贸n de la pose, el seguimiento y la clasificaci贸n. Esta versatilidad permite a los usuarios aprovechar las capacidades de YOLOv8 en diversas aplicaciones y dominios.
  • YOLOv9 Introduce m茅todos innovadores como la Informaci贸n de Gradiente Programable (PGI) y la Red de Agregaci贸n de Capas Eficiente Generalizada (GELAN).

YOLO Licencias: 驴C贸mo se licencia Ultralytics YOLO ?

Ultralytics ofrece dos opciones de licencia para adaptarse a diversos casos de uso:

  • AGPL-3.0 Licencia: Esta licencia de c贸digo abierto aprobada por la OSI es ideal para estudiantes y entusiastas, ya que promueve la colaboraci贸n abierta y el intercambio de conocimientos. Consulta el archivo LICENSE para m谩s detalles.
  • Licencia de empresa: Dise帽ada para uso comercial, esta licencia permite integrar sin problemas el software Ultralytics y los modelos de IA en bienes y servicios comerciales, eludiendo los requisitos de c贸digo abierto de AGPL-3.0. Si tu escenario implica integrar nuestras soluciones en una oferta comercial, ponte en contacto con nosotros a trav茅s de Ultralytics Licencias.

Nuestra estrategia de licencias est谩 dise帽ada para garantizar que cualquier mejora de nuestros proyectos de c贸digo abierto revierta en la comunidad. Llevamos los principios del c贸digo abierto en el coraz贸n 鉂わ笍, y nuestra misi贸n es garantizar que nuestras contribuciones puedan utilizarse y ampliarse de forma beneficiosa para todos.



Creado 2023-11-12, Actualizado 2024-03-13
Autores: glenn-jocher (5), RizwanMunawar (1), AyushExel (3)

Comentarios