帮助
欢迎访问Ultralytics 帮助页面！我们致力于为您提供详细的资源，以提高您使用Ultralytics YOLO 模型和资源库的体验。本页面是您获取指南和文档的门户，旨在帮助您完成各种任务，并回答您在使用我们的资源库时可能遇到的问题。
- 常见问题 (FAQ)：查找Ultralytics YOLO 用户和贡献者社区遇到的常见问题的答案。
- 贡献指南：了解贡献协议，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，以及每个Ultralytics 存储库的状态报告。
- 贡献者许可协议 (CLA)：查看 CLA，了解与Ultralytics 项目贡献相关的权利和责任。
- 最小可重现示例 (MRE) 指南：了解创建 MRE 的流程，这对及时有效地解决错误报告至关重要。
- 行为准则：我们的社区准则支持为所有合作者营造相互尊重和开放的氛围。
- 环境、健康和安全 (EHS) 政策：深入了解我们对可持续发展和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和报告漏洞的程序。
- 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。
我们鼓励您查看这些资源，以获得无缝和富有成效的体验。我们的目标是为Ultralytics 社区的每个人营造一个有益和友好的环境。如果您需要其他支持，请随时通过 GitHub Issues 或我们的官方论坛联系我们。祝您编码愉快！
常见问题
什么是Ultralytics YOLO ，它对我的机器学习项目有什么好处？
Ultralytics YOLO (You Only Look Once）是一种先进的实时物体检测模型。其最新版本（YOLO11 ）提高了速度、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广泛应用的理想选择。YOLO该模型在图像和视频中检测物体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YOLO11 的详细信息，请访问YOLO11 文档。
如何向Ultralytics YOLO 资源库投稿？
Ultralytics YOLO 软件源的贡献非常简单。首先请阅读《贡献指南》，了解提交拉取请求、报告错误等的协议。您还需要签署《贡献者许可协议》（CLA），以确保您的贡献得到法律承认。要有效报告错误，请参阅《最小可重现示例 (MRE) 指南》。
为什么我的机器学习项目要使用Ultralytics HUB？
Ultralytics HUB 为管理机器学习项目提供了无缝、无代码的解决方案。它能让你毫不费力地生成、训练和部署人工智能模型，如YOLO11 。其独特功能包括云训练、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，是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 Quickstart。
Ultralytics 中的持续集成 (CI) 是什么，它如何确保高质量代码？
Ultralytics 中的持续集成（CI）涉及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、断链检查、CodeQL 分析和 PyPI 发布。这些流程通过对提交的新代码自动运行测试和检查，帮助维护稳定和安全的版本库。
了解更多信息，请参阅《持续集成 (CI) 指南》。
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。我们严格遵守数据保护规定，确保您的信息始终安全。
如需了解更多信息，请查看我们的隐私政策。
