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

Ultralytics YOLO 文档#

Ultralytics YOLO 是一个实时计算机视觉模型系列，支持目标检测、实例分割、语义分割、深度估计、图像分类、姿态估计、有向边界框和多目标跟踪，可通过一个 Python 包和 CLI 使用。YOLO26 基于深度学习和计算机视觉的进展构建，具有端到端无 NMS 推理和优化的边缘部署特性。其精简的设计使其适用于各种应用，并能轻松适应从边缘设备到云 API 的不同硬件平台。对于稳定的生产工作负载，同时推荐使用 YOLO26 和 YOLO11。

探索 Ultralytics 文档，这是一个全面的资源，涵盖 YOLO 包和 CLI，以及在相同模型基础之上增加了数据标注、云端训练和部署功能的 Ultralytics Platform。无论你是经验丰富的机器学习从业者还是该领域的新手，这些资源都能帮助你在项目中充分发挥 YOLO 的作用。

如需商业用途的企业许可证，请在 Ultralytics Licensing 申请。

通过两行命令快速开始#

# Install the ultralytics package from PyPI
pip install ultralytics

# Detect objects in an image with a pretrained YOLO26 model
yolo predict model=yolo26n.pt source='https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg'

模型权重和示例图像会自动下载，标注结果将保存到 runs/detect/predict。

有关完整的安装和用法参考，请参阅快速入门指南。

你想做什么？#

本文档的组织结构#

大多数模型工作流 yolo 命令遵循一种语法 yolo [TASK] MODE ARGS（其中任务 Task 是可选的），并且本文档围绕相同的三个部分外加一个快捷方式进行组织：

• Task 解答你从图像中想要什么：detection、instance segmentation、semantic segmentation、depth estimation、classification、pose estimation 或 oriented boxes。
• Mode 解答你如何使用模型：train、validate、predict、export、track 或 benchmark。
• Args 配置命令，从要用 model= 运行的 model 到诸如 epochs 和 imgsz 的超参数。
• Solutions 是快捷方式：一个完成的应用（例如对象计数或安全警报），完全跳过了 Task 和 Mode。

其他所有内容都支持该语法：Models 列出了你可以传递给 model= 的每个架构——YOLO26、YOLO11、SAM 3、RT-DETR 等；Datasets 提供每个 Task 训练所依托的数据；Guides 是一个内容广泛的深度指南合集，横跨硬件部署、超参数调优、数据集转换和完整的项目演练；Integrations 将管道连接到你已经在使用的训练和部署工具；Reference 部分记录了 Python API 中的每个类和函数。

除了 Python 包之外，还有另外两个界面运行在相同的模型上：用于云端标注、训练和部署的 Ultralytics Platform，以及用于在没有 Python 运行时的环境下运行导出模型的独立 Rust 库和 CLI Ultralytics Inference。

YOLO 许可证：Ultralytics YOLO 如何授权？#

Ultralytics 提供两种授权选项以适应不同的用例：

• AGPL-3.0 License：此 OSI 批准的开源许可证非常适合学生和爱好者，能够促进开放式协作和知识共享。有关更多详细信息，请参阅 LICENSE 文件。
• Enterprise License：该许可证适用于开发和生产环境，可将 Ultralytics 软件和 AI 模型无缝集成到企业产品和服务中，包括内部工具、自动化工作流和生产部署，同时免除 AGPL-3.0 的开源要求。如需开始使用，请通过 Ultralytics Licensing 联系我们。

我们的授权策略旨在确保我们开源项目的任何改进都能回馈给社区。我们信仰开源，我们的使命是确保我们的贡献能够以造福所有人的方式被使用和扩展。

常见问题#