帮助#
欢迎访问 Ultralytics 帮助页面。本页面汇集了实用指南、政策和常见问题，帮助你使用 Ultralytics YOLO 模型和代码仓库。
- 常见问题 (FAQ)：查找 Ultralytics YOLO 用户和贡献者社区遇到的常见问题及其解答。
- 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：深入了解我们采用的 CI 流程，并查看每个 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 项目做出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尊重、开放的氛围。
- 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：熟悉我们的安全协议以及报告漏洞的流程。
- 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。
我们建议你查看这些资源，以获得顺畅且高效的使用体验。如果你需要其他支持，请通过 GitHub Issues 或 Ultralytics 社区 联系我们。
常见问题#
Ultralytics YOLO (You Only Look Once) 是一个先进的实时目标检测模型。Ultralytics YOLO的最新版本 YOLO26 能够带来更快、更轻量化的推理，并配备可选的无 NMS 端到端检测头，针对边缘设备和低功耗设备进行了优化，这使得Ultralytics YOLO非常适合从实时视频分析到高级机器学习研究的广泛应用。YOLO在检测图像和视频中的物体方面的效率，已使其成为希望将强大的计算机视觉功能集成到项目中的企业和研究人员的首选解决方案。
有关当前版本的更多详细信息，请访问 YOLO26 文档。关于即将推出的系列，请探索 YOLO27（即将推出）；YOLO27（即将推出）的模型尚未发布，也没有设定发布日期。
为 Ultralytics YOLO 代码仓库做出贡献非常简单。首先查看贡献指南，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)，以确保你的贡献获得法律认可。如需有效报告错误，请参考最小可复现示例 (MRE) 指南。
Ultralytics Platform 为管理机器学习项目提供顺畅、无需代码的解决方案。你可以轻松生成、训练和部署 YOLO26 等 AI 模型。其独特功能包括云端训练、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，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、断链检查、CodeQL 分析和 PyPI 发布。这些流程会自动对新提交的代码运行测试和检查，帮助维护稳定且安全的代码仓库。
在持续集成 (CI) 指南中了解更多信息。