Ultralytics YOLO11:实时目标检测与图像分割的最新进展

探索实时目标检测图像分割的新境界。

开始使用 UltralyticsYOLO11

UltralyticsYOLO11 是一款基于深度学习计算机视觉的最新实时目标检测图像分割模型。它在速度和准确性方面提供了无与伦比的性能,并且其流线型设计使其适合各种应用场景,并且可以轻松适应不同的硬件平台,从边缘设备到云API。

通过 Ultralytics 文档,可以全面了解并利用YOLO11的特性和功能。无论是资深的机器学习实践者还是该领域的新手,这个资源中心都旨在帮助在项目中最大化 YOLO 的潜力。

YOLO11的安装和设置非常快速和直接。可以使用 pip 安装 Ultralytics 包,并在几分钟内开始训练 YOLO 模型。以下是基本的安装命令:

pip install ultralytics

对于包括安装步骤、初始设置和运行第一个模型的详细分步指南,请参阅。

要在自己的数据集上训练自定义 YOLO 模型,需要遵循一些详细的步骤,包括准备带有注释的数据集、在 YAML 文件中设置训练参数,以及使用Ultralytics提供的命令行界面来启动训练过程。例如,对于目标检测任务,可以使用以下代码示例:

from ultralytics import YOLO # 加载预训练的 YOLO 模型(可以选择 n, s, m, l 或 x 版本) model = YOLO("yolo11n.pt") # 在自定义数据集上开始训练 model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)

提供了优化训练过程的示例和提示。

UltralyticsYOLO 提供了两种许可选项:AGPL-3.0 许可和企业许可。AGPL-3.0 许可是一个 OSI 批准的开源许可,非常适合学生和爱好者,促进开放的协作和知识共享。企业许可允许绕过 AGPL-3.0 的开源要求,将 Ultralytics 的软件和 AI 模型无缝集成到商业产品或服务中。

沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:17898875485