帮助
欢迎访问 Ultralytics 帮助页面。本页面汇集了实用指南、政策和常见问题解答，以支持您使用 Ultralytics YOLO 模型和存储库。
- 常见问题解答 (FAQ)：查找 Ultralytics YOLO 用户和贡献者社区遇到的常见问题和解答。
- 贡献指南：了解贡献的协议，包括如何提交 Pull Request、报告错误等。
- 持续集成 (CI) 指南：深入了解我们采用的 CI 流程，其中包含每个 Ultralytics 仓库的状态报告。
- 贡献者许可协议 (CLA)：查看 CLA，了解与贡献 Ultralytics 项目相关的权利和责任。
- 最小可复现示例 (MRE) 指南：了解创建 MRE 的流程，这对于及时有效地解决 Bug 报告至关重要。
- 行为准则：我们的社区准则为所有合作者营造了一个相互尊重和开放的氛围。
- Environmental, Health, and Safety (EHS) Policy：深入了解我们对可持续性和所有利益相关者福祉的承诺。
- 安全策略：熟悉我们的安全协议以及报告漏洞的程序。
- 隐私政策：阅读我们的隐私政策，了解我们如何在所有服务和运营中保护您的数据并尊重您的隐私。
我们鼓励您查阅这些资源，以获得流畅高效的体验。如果您需要额外支持，请通过 GitHub Issues 或 Ultralytics 社区联系我们。
常见问题
什么是 Ultralytics YOLO？它如何使我的机器学习项目受益？
Ultralytics YOLO (You Only Look Once) 是一种最先进的实时目标检测模型。其最新版本 YOLO11 增强了速度、准确性和多功能性，使其成为从实时视频分析到高级机器学习研究等各种应用的理想选择。YOLO 在检测图像和视频中的目标方面的效率使其成为希望将强大的计算机视觉功能集成到其项目中的企业和研究人员的首选解决方案。
有关 YOLO11 的更多详细信息，请访问 YOLO11 文档。
如何向 Ultralytics YOLO 存储库贡献代码？
向 Ultralytics YOLO 仓库贡献代码非常简单。首先查看贡献指南，了解提交 Pull Request、报告错误等的协议。您还需要签署贡献者许可协议 (CLA)，以确保您的贡献在法律上得到认可。如需有效地报告错误，请参阅最小可复现示例 (MRE) 指南。
为什么我应该为我的机器学习项目使用 Ultralytics HUB？
Ultralytics HUB 为您提供了一种无缝的、无需代码的解决方案来管理您的机器学习项目。它使您能够毫不费力地生成、训练和部署像 YOLO11 这样的 AI 模型。其独特的功能包括云训练、实时跟踪和直观的数据集管理。Ultralytics HUB 简化了从数据处理到模型部署的整个工作流程，使其成为初学者和高级用户不可或缺的工具。
要开始使用，请访问 Ultralytics HUB 快速入门。
什么是 Ultralytics 中的持续集成 (CI)，它如何确保高质量的代码？
Ultralytics 中的持续集成 (CI) 涉及自动化流程，旨在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。这些流程通过自动对新提交的代码运行测试和检查，帮助维护稳定和安全的存储库。
在持续集成 (CI) 指南中了解更多信息。
Ultralytics 如何处理数据隐私？
Ultralytics 非常重视数据隐私。我们的 隐私政策 概述了我们如何收集和使用匿名数据来改进 YOLO 软件包，同时优先考虑用户隐私和控制。我们遵守严格的数据保护法规，以确保您的信息始终安全。
有关更多信息，请查看我们的隐私政策。
