Link to this sectionAide#

Bienvenue sur la page d'aide d'Ultralytics. Cette page regroupe des guides pratiques, des politiques et des FAQ pour t'accompagner dans ton travail avec les modèles et les dépôts Ultralytics YOLO.

• Foire Aux Questions (FAQ) : Trouve des réponses aux questions et problèmes courants rencontrés par la communauté des utilisateurs et contributeurs Ultralytics YOLO.
• Guide de contribution : Découvre les protocoles pour contribuer, notamment comment soumettre des pull requests, signaler des bugs, et plus encore.
• Guide d'Intégration Continue (CI) : Obtiens des informations sur les processus CI que nous utilisons, avec des rapports d'état pour chaque dépôt Ultralytics.
• Accord de Licence du Contributeur (CLA) : Consulte le CLA pour comprendre les droits et responsabilités associés à la contribution aux projets Ultralytics.
• Guide de l'Exemple Minimal Reproductible (MRE) : Apprends le processus de création d'un MRE, crucial pour la résolution rapide et efficace des rapports de bugs.
• Code de conduite : Nos directives communautaires favorisent une atmosphère respectueuse et ouverte pour tous les collaborateurs.
• Politique Environnementale, de Santé et de Sécurité (EHS) : Découvre notre engagement envers la durabilité et le bien-être de toutes nos parties prenantes.
• Politique de sécurité : Familiarise-toi avec nos protocoles de sécurité et la procédure pour signaler des vulnérabilités.
• Politique de confidentialité : Lis notre politique de confidentialité pour comprendre comment nous protégeons tes données et respectons ta vie privée dans tous nos services et opérations.

Nous t'encourageons à consulter ces ressources pour une expérience fluide et productive. Si tu as besoin d'une assistance supplémentaire, contacte-nous via les GitHub Issues ou la Communauté Ultralytics.

Link to this sectionFAQ#

Link to this sectionQu'est-ce qu'Ultralytics YOLO et en quoi cela profite-t-il à mes projets de machine learning ?#

Ultralytics YOLO (You Only Look Once) est un modèle de détection d'objets de pointe en temps réel. Sa dernière version, YOLO26, offre une inférence plus rapide, plus légère et de bout en bout sans NMS, optimisée pour les appareils edge et basse consommation, ce qui le rend idéal pour une large gamme d'applications, de l'analyse vidéo en temps réel à la recherche avancée en machine learning. L'efficacité de YOLO dans la détection d'objets dans les images et vidéos en a fait la solution privilégiée des entreprises et chercheurs cherchant à intégrer des capacités robustes de vision par ordinateur dans leurs projets.

Pour plus de détails sur YOLO26, visite la documentation YOLO26.

Link to this sectionComment puis-je contribuer aux dépôts Ultralytics YOLO ?#

Contribuer aux dépôts Ultralytics YOLO est simple. Commence par consulter le Guide de contribution pour comprendre les protocoles de soumission de pull requests, de signalement de bugs, et plus encore. Tu devras également signer l'Accord de Licence du Contributeur (CLA) pour t'assurer que tes contributions sont légalement reconnues. Pour un signalement de bug efficace, réfère-toi au Guide de l'Exemple Minimal Reproductible (MRE).

Link to this sectionPourquoi devrais-je utiliser la plateforme Ultralytics pour mes projets de machine learning ?#

La plateforme Ultralytics offre une solution transparente et sans code pour gérer tes projets de machine learning. Elle te permet de générer, entraîner et déployer des modèles d'IA comme YOLO26 sans effort. Les fonctionnalités uniques incluent l'entraînement dans le cloud, le suivi en temps réel et une gestion intuitive des jeux de données. La plateforme Ultralytics simplifie l'ensemble du workflow, du traitement des données au déploiement de modèles, ce qui en fait un outil indispensable tant pour les débutants que pour les utilisateurs avancés.

Pour commencer, visite le Démarrage rapide de la plateforme Ultralytics.

Link to this sectionQu'est-ce que l'Intégration Continue (CI) chez Ultralytics, et comment garantit-elle un code de haute qualité ?#

L'Intégration Continue (CI) chez Ultralytics implique des processus automatisés qui garantissent l'intégrité et la qualité du codebase. Notre configuration CI inclut le déploiement Docker, des vérifications de liens rompus, l'analyse CodeQL et la publication sur PyPI. Ces processus aident à maintenir des dépôts stables et sécurisés en exécutant automatiquement des tests et des vérifications sur les nouvelles soumissions de code.

Apprends-en plus dans le Guide de l'Intégration Continue (CI).

Link to this sectionComment la confidentialité des données est-elle gérée par Ultralytics ?#

Ultralytics prend la confidentialité des données au sérieux. Notre Politique de confidentialité décrit comment nous collectons et utilisons des données anonymisées pour améliorer le package YOLO tout en donnant la priorité à la confidentialité et au contrôle des utilisateurs. Nous adhérons à des réglementations strictes en matière de protection des données pour assurer la sécurité de tes informations à tout moment.

Pour plus d'informations, consulte notre Politique de confidentialité.