YOLO Vision 2026：

帮助#

欢迎来到 Ultralytics 帮助页面。此页面汇总了实用指南、政策和常见问题解答，以支持你在 Ultralytics YOLO 模型和仓库方面的工作。

  • 常见问题 (FAQ)：查找 Ultralytics YOLO 用户和贡献者社区常遇到问题的解答。
  • 贡献指南：了解参与贡献的规程，包括如何提交 pull requests、报告 bug 等。
  • 持续集成 (CI) 指南：深入了解我们采用的 CI 流程，并查看各个 Ultralytics 仓库的状态报告。
  • 贡献者许可协议 (CLA)：查阅 CLA 以了解参与 Ultralytics 项目贡献相关的权利与责任。
  • 最小可复现示例 (MRE) 指南：学习创建 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维护了一个尊重且开放的氛围。
  • 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：熟悉我们的安全规程以及报告漏洞的流程。
  • 隐私政策：阅读我们的隐私政策，了解我们在所有服务和运营中如何保护你的数据并尊重你的隐私。

我们鼓励你查阅这些资源以获得顺畅、高效的体验。如果你需要额外支持，可以通过 GitHub Issues 或 Ultralytics 社区与我们联系。

常见问题解答#

  • 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 提供了更快、更轻量、端到端且无需 NMS 的推理，并针对边缘设备和低功耗设备进行了优化，使其成为从实时视频分析到高级机器学习研究等广泛应用的理想选择。YOLO 在检测图像和视频中的物体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项目中的企业和研究人员的首选解决方案。

    有关 YOLO26 的更多详细信息，请访问 YOLO26 文档。

  • 为 Ultralytics YOLO 仓库做贡献非常简单。首先阅读贡献指南以了解提交 pull requests、报告 bug 等的规程。你还需要签署贡献者许可协议 (CLA)以确保你的贡献受到法律认可。有关有效的 bug 报告，请参考最小可复现示例 (MRE) 指南。

  • Ultralytics Platform 为管理你的机器学习项目提供了一个无缝的无代码解决方案。它使你能够轻松生成、训练和部署像 YOLO26 这样的 AI 模型。独特的功能包括云端训练、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，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 Platform 快速入门。

  • Ultralytics 中的持续集成 (CI) 包含可确保代码库完整性和质量的自动化流程。我们的 CI 设置包括 Docker 部署、死链检查、CodeQL 分析以及 PyPI 发布。这些流程通过对新提交的代码自动运行测试和检查，来帮助保持仓库的稳定和安全。

    在持续集成 (CI) 指南中了解更多信息。

  • 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，同时优先考虑用户的隐私和控制权。我们遵守严格的数据保护法规，确保你的信息在任何时候都是安全的。

    有关更多信息，请查阅我们的隐私政策。

贡献者
GLglenn-jocher9PDpderrenger1

评论