帮助#
欢迎访问 Ultralytics 帮助页面。本页汇集了实用指南、政策和常见问题解答，帮助你使用 Ultralytics YOLO 模型和代码仓库开展工作。
- 常见问题解答 (FAQ)：查找 Ultralytics YOLO 用户和贡献者社区常见问题及疑难情况的解答。
- 贡献指南：了解贡献流程，包括如何提交拉取请求、报告错误等。
- 持续集成 (CI) 指南：了解我们采用的 CI 流程，以及各个 Ultralytics 代码仓库的状态报告。
- 贡献者许可协议 (CLA)：阅读 CLA，了解为 Ultralytics 项目做贡献所涉及的权利和责任。
- 最小可复现示例 (MRE) 指南：了解如何创建 MRE，这对于及时、有效地解决错误报告至关重要。
- 行为准则：我们的社区准则旨在为所有协作者营造相互尊重、开放包容的氛围。
- 环境、健康与安全 (EHS) 政策：深入了解我们对可持续发展以及所有利益相关者福祉的承诺。
- 安全政策：了解我们的安全规范以及漏洞报告流程。
- 隐私政策：阅读我们的隐私政策，了解我们如何保护你的数据，并在所有服务和运营中尊重你的隐私。
我们建议你查阅这些资源，以便顺利、高效地使用我们的服务。如果你需要更多支持，请通过 GitHub Issues 或 Ultralytics 社区 联系我们。
常见问题#
Ultralytics YOLO (You Only Look Once) 是一种先进的实时目标检测模型。其最新版本 YOLO26 可实现更快、更轻量的推理，并提供可选的无 NMS 端到端检测头，针对边缘设备和低功耗设备进行了优化，因此适用于各种应用，从实时视频分析到高级机器学习研究。YOLO 能够高效地检测图像和视频中的目标，因此成为希望在项目中集成强大计算机视觉能力的企业和研究人员的首选方案。
如需了解当前版本的更多详情，请访问 YOLO26 文档。如需了解即将推出的系列，请查看 YOLO27（即将推出）；其模型目前尚未开放，也未确定发布日期。
为 Ultralytics YOLO 代码仓库做贡献很简单。首先阅读贡献指南，了解提交拉取请求、报告错误等流程。你还需要签署贡献者许可协议 (CLA)，以确保你的贡献在法律上得到认可。要有效报告错误，请参阅最小可复现示例 (MRE) 指南。
Ultralytics Platform 提供流畅的无代码解决方案，帮助你管理机器学习项目。借助它，你可以轻松生成、训练和部署 YOLO26 等 AI 模型。其特色功能包括云端训练、实时跟踪和直观的数据集管理。Ultralytics Platform 简化了从数据处理到模型部署的整个工作流程，是初学者和高级用户不可或缺的工具。
如需开始使用，请访问 Ultralytics Platform 快速入门。
Ultralytics 中的持续集成 (CI) 包含一系列自动化流程，用于确保代码库的完整性和质量。我们的 CI 设置包括 Docker 部署、失效链接检查、CodeQL 分析和 PyPI 发布。这些流程会自动测试和检查新提交的代码，帮助我们维护稳定、安全的代码仓库。
在持续集成 (CI) 指南中了解更多信息。