Ultralytics YOLO11是一款备受赞誉的实时目标检测和图像分割模型的最新版本。它基于深度学习和计算机视觉的最新进展构建，提供了在速度和准确性方面无与伦比的性能。其流线型设计使其适用于各种应用，并可轻松适应不同的硬件平台，从边缘设备到云API。
探索 Ultralytics 文档，这是一个全面的资源，旨在帮助理解和利用其特性和功能。无论是经验丰富的机器学习从业者还是该领域的新手，这个中心旨在最大化 YOLO 在项目中的潜力。
通过 pip 安装 Ultralytics 并快速开始训练 YOLO 模型。使用 YOLO 对新图像、视频和流进行预测。学习更多关于模型训练的信息，从零开始在自己的自定义数据集上训练新的 YOLO 模型，或加载并训练预训练模型。
发现 YOLO 任务，如检测、分割、分类、姿态、OBB 和跟踪。探索 Ultralytics 最新的 YOLO11 模型及其能力。
Ultralytics 提供两种 YOLO 许可选项：AGPL-3.0 许可和企业许可。Ultralytics 可在 GitHub 上找到。
YOLO (You Only Look Once) 是由华盛顿大学的 Joseph Redmon 和 Ali Farhadi 开发的流行的目标检测和图像分割模型。自 2015 年推出以来，YOLO 因其高速度和准确性迅速受到欢迎。
2016 年发布的 YOLOv2 通过集成批量归一化、锚点框和维度聚类来改进现有模型。2018 年发布的 YOLOv3 使用更高效的骨干网络、多锚点、空间金字塔池化进一步提升了模型性能。
2020 年发布的 YOLOv4 引入了诸如 Mosaic 数据增强、新的无锚点检测头和新的损失函数等创新。YOLOv5 进一步改善了模型性能，并添加了新的功能，如超参数优化、集成实验跟踪、自动导出到流行的格式。
2022 年在 Meta（原 Facebook）开源的 YOLOv6 正在被用于 Meta 的多个自动驾驶送货机器人。YOLOv7 在 COCO 关键点数据集上增加了姿态估计等额外任务。
2023 年由 Ultralytics 发布的 YOLOv8 引入了新功能和改进，增强了性能、灵活性和效率，支持全方位的视觉 AI 任务。YOLOv9 引入了创新的方法，如可编程梯度信息 (PGI) 和通用高效层聚合网络 (GELAN)。
由清华大学研究人员开发的 YOLOv10 使用 Ultralytics Python 包进行开发。这个版本引入了端到端头部，消除了非最大抑制 (NMS) 要求，从而提高了实时目标检测功能。
🚀 NEW: Ultralytics 的最新 YOLO 模型 YOLO11 提供了最先进的性能，涵盖了检测、分割、姿态估计、跟踪和分类等多项任务，利用了跨不同 AI 应用和领域的能力。
Ultralytics YOLO 是什么？它如何改进目标检测？ Ultralytics YOLO 是 YOLO（You Only Look Once）系列中的最新进展，用于实时目标检测和图像分割。它通过引入新功能和改进来增强性能、灵活性和效率。YOLO 支持各种视觉 AI 任务，如检测、分割、姿态估计、跟踪和分类。其最先进的架构确保了卓越的速度和准确性，使其适用于各种应用，包括边缘设备和云 API。
如何开始安装和设置 YOLO？ 开始使用 YOLO 快速而简单。可以使用 pip 安装 Ultralytics 包，并在几分钟内开始运行。这是一个基本的安装命令：
pip install ultralytics
有关安装指南、初始设置和运行第一个模型的详细分步指南，请参考快速入门指南。
如何在数据集上训练自定义 YOLO 模型？ 在数据集上训练自定义 YOLO 模型需要几个详细步骤：
准备带注释的数据集。在 YAML 文件中配置训练参数。使用 yolo TASK train 命令开始训练。（每个 TASK 都有自己的参数）
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)
有关训练过程优化的示例和提示，请参考模型训练指南。
Ultralytics YOLO 提供哪些许可选项？ Ultralytics 为 YOLO 提供两种许可选项：
AGPL-3.0 许可：这个开源许可适合教育和非商业用途，促进开放合作。
企业许可：这个许可专为商业应用设计，允许在商业产品中顺利集成 Ultralytics 软件，而不受 AGPL-3.0 许可的限制。
有关详细信息，请参考许可页面。
如何使用 Ultralytics YOLO 进行实时对象跟踪？ Ultralytics YOLO 支持高效且可自定义的多对象跟踪。要使用跟踪功能，可以使用以下命令：
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
model.track(source="path/to/video.mp4")