跳转至

Ultralytics 支持的模型

欢迎来到 Ultralytics 的模型文档！我们提供多种模型的支持，每种模型都针对特定任务量身定做，如对象检测、实例分割、图像分类、姿态估计以及多对象跟踪。如果您有兴趣将您的模型架构贡献给 Ultralytics，请查看我们的贡献指南。

注意

🚧 我们的多语言文档目前正在建设中，我们正在努力进行完善。感谢您的耐心等待！🙏

特色模型

以下是一些关键模型的介绍：

  1. YOLOv3：由 Joseph Redmon 最初开发的 YOLO 模型家族的第三版，以其高效的实时对象检测能力而闻名。
  2. YOLOv4：由 Alexey Bochkovskiy 在 2020 年发布的 YOLOv3 的 darknet 原生更新版本。
  3. YOLOv5：Ultralytics 改进的 YOLO 架构版本，与先前版本相比，提供了更好的性能和速度权衡。
  4. YOLOv6：由美团在 2022 年发布，用于公司多个自主送货机器人中。
  5. YOLOv7：YOLOv4 作者在 2022 年发布的更新版 YOLO 模型。
  6. YOLOv8 NEW 🚀：YOLO 家族的最新版本，具备实例分割、姿态/关键点估计和分类等增强能力。
  7. Segment Anything Model (SAM)：Meta 的 Segment Anything Model (SAM)。
  8. Mobile Segment Anything Model (MobileSAM)：由庆熙大学开发的移动应用 MobileSAM。
  9. Fast Segment Anything Model (FastSAM)：中国科学院自动化研究所图像与视频分析组开发的 FastSAM。
  10. YOLO-NAS：YOLO 神经网络结构搜索 (NAS) 模型。
  11. Realtime Detection Transformers (RT-DETR)：百度 PaddlePaddle 实时检测变换器 (RT-DETR) 模型。



观看： 使用 Ultralytics YOLO 模型在几行代码中运行。

入门：使用示例

此示例提供了简单的 YOLO 训练和推理示例。有关这些和其他模式的完整文档，请查看Predict、Train、Val 和 Export 文档页面。

请注意，以下示例适用于对象检测的 YOLOv8 Detect 模型。有关其他支持任务的详细信息，请查看Segment、Classify 和 Pose 文档。

示例

可将 PyTorch 预训练的 *.pt 模型以及配置文件 *.yaml 传入 YOLO()、SAM()、NAS() 和 RTDETR() 类，以在 Python 中创建模型实例：

from ultralytics import YOLO

# 加载 COCO 预训练的 YOLOv8n 模型
model = YOLO('yolov8n.pt')

# 显示模型信息（可选）
model.info()

# 在 COCO8 示例数据集上训练模型 100 个周期
results = model.train(data='coco8.yaml', epochs=100, imgsz=640)

# 使用 YOLOv8n 模型对 'bus.jpg' 图像进行推理
results = model('path/to/bus.jpg')

CLI 命令可直接运行模型：

# 加载 COCO 预训练的 YOLOv8n 模型，并在 COCO8 示例数据集上训练 100 个周期
yolo train model=yolov8n.pt data=coco8.yaml epochs=100 imgsz=640

# 加载 COCO 预训练的 YOLOv8n 模型，并对 'bus.jpg' 图像进行推理
yolo predict model=yolov8n.pt source=path/to/bus.jpg

贡献新模型

有兴趣将您的模型贡献给 Ultralytics 吗？太好了！我们始终欢迎扩展我们的模型投资组合。

  1. Fork 仓库：从 Fork Ultralytics GitHub 仓库 开始。

  2. 克隆您的 Fork：将您的 Fork 克隆到您的本地机器，并创建一个新的分支进行工作。

  3. 实现您的模型：按照我们在贡献指南中提供的编码标准和指南添加您的模型。

  4. 彻底测试：确保彻底测试您的模型，无论是独立测试还是作为流水线的一部分。

  5. 创建拉取请求：一旦您对您的模型满意，就创建一个拉取请求以供主仓库审查。

  6. 代码审查与合并：经过审查，如果您的模型符合我们的标准，它将被合并到主仓库中。

有关详细步骤，请参阅我们的贡献指南。


Created 2023-11-13, Updated 2023-11-22
Authors: glenn-jocher (4)

评论