YOLO（You Only Look Once）系列模型是一系列用于实时对象检测的深度学习模型。
YOLOv3是由Joseph Redmon开发的，以其高效的实时对象检测功能而闻名。YOLOv4是由Alexey Bochkovskiy在2020年发布的，是YOLOv3的Darknet原生更新。YOLOv5是Ultralytics提供的YOLO架构的改进版本，与之前的版本相比，提供了性能和速度的折衷。YOLOv6是由Megvii在2022年发布的，被广泛用于其许多自主交付机器人中。YOLOv7是由YOLOv4的在2022年发布的更新模型。YOLOv8是YOLO家族的最新版本，具有增强功能，如实例分割、姿态/关键点估计和分类。YOLOv9是Ultralytics实现可编程梯度信息的YOLOv5程序员可编程梯度信息（PGI）的代码库。YOLOv10由清华大学提供，无需NMS即可训练，以效率和准确性为中心的架构，提供最先进的性能和延迟。YOLO11是Ultralytics最新的YOLO模型，提供多个任务的最新性能（SOTA）。
SAM（Segment Anything Model）是Meta的原始Segment Anything Model（SAM）。SAM2（Segment Anything Model 2）是Meta的下一代视频和图像用Segment Anything Model（SAM）。MobileSAM是为移动应用设计的快速Segment Anything Model（SAM）。FastSAM由中国科学院自动化研究所图像和视频分析组提供。YOLO-NAS是YOLO神经架构搜索（NAS）模型。RT-DETR是百度的PaddlePaddle Realtime Detection Transformer（RT-DETR）模型。YOLO-World是Tencent AI Lab的实时开放词汇对象检测模型。
以下是使用Ultralytics YOLO模型的简单示例。这些模式和其他模式的完整文档，请参考预测、训练、Val和导出文档页面。注意以下示例是针对YOLOv8对象检测模型的。对于其他支持的任务，请参见分割、分类和姿态文档。
from ultralytics import YOLO
# 加载一个预训练的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模型在'bus.jpg'图像上运行推理
results = model("path/to/bus.jpg")
# 加载一个COCO预训练的YOLOv8n模型并在COCO8示例数据集上训练它100个周期
yolo train model=yolov8n.pt data=coco8.yaml epochs=100 imgsz=640
# 加载一个COCO预训练的YOLOv8n模型并在'bus.jpg'图像上运行推理
yolo predict model=yolov8n.pt source=path/to/bus.jpg