YOLO模型家族是一系列专为特定任务设计的深度学习模型,包括目标检测、实例分割、图像分类、姿态估计和多目标跟踪等。如果有兴趣为Ultralytics贡献模型架构,请查看。
以下是一些关键的YOLO模型:
YOLOv3: 第三代YOLO模型,由Joseph Redmon创建,以其高效的实时目标检测能力而闻名。
YOLOv4: 由Alexey Bochkovskiy在2020年发布的YOLOv3的darknet原生更新。
YOLOv5: Ultralytics提供的改进版YOLO架构,与之前的版本相比,提供了更好的性能和速度权衡。
YOLOv6: 由美团在2022年发布,并在公司的许多自动送货机器人中使用。
YOLOv7: 由YOLOv4的在2022年更新的YOLO模型。
YOLOv8: 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: 在Ultralytics YOLOv5代码库上训练的实验模型,实现了可编程梯度信息(PGI)。
YOLOv10: 由清华大学提供,具有无NMS训练和效率-准确性驱动的架构,提供最先进的性能和延迟。
YOLO11: Ultralytics的最新YOLO模型,提供多任务的最新性能。
Segment Anything Model (SAM): Meta的原始Segment Anything Model (SAM)。
Segment Anything Model 2 (SAM2): Meta的下一代Segment Anything Model (SAM),用于视频和图像。
Mobile Segment Anything Model (MobileSAM): 由京畿大学为移动应用提供的MobileSAM。
Fast Segment Anything Model (FastSAM): 由中国科学院自动化研究所图像与视频分析组提供的FastSAM。
YOLO-NAS: YOLO神经架构搜索(NAS)模型。
Realtime Detection Transformers (RT-DETR): 百度的PaddlePaddle Realtime Detection Transformer (RT-DETR)模型。
YOLO-World: 腾讯AI实验室提供的实时开放词汇目标检测模型。
以下示例提供了简单的YOLO训练和推理示例。有关这些和其他模式的完整文档,请参见、、和文档页面。
请注意,以下示例是针对YOLOv8目标检测模型的。对于其他支持的任务,请参见、和文档。
from ultralytics import YOLO
# 加载预训练的COCO预训练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")
CLI命令可以直接运行模型:
yolo train model=yolov8n.pt data=coco8.yaml epochs=100 imgsz=640
yolo predict model=yolov8n.pt source=path/to/bus.jpg
有兴趣为Ultralytics贡献模型吗?太好了!总是乐于扩展模型组合。
分叉仓库:首先分叉。
克隆分叉:将分叉克隆到本地机器,并创建一个新的分支来工作。
实现模型:按照中提供的编码标准和指南添加模型。
彻底测试:确保模型经过严格测试,无论是单独测试还是作为管道的一部分。
创建拉取请求:一旦对模型满意,就为主仓库创建拉取请求以供审查。
代码审查和合并:审查后,如果模型符合标准,它将被合并到主仓库中。
使用Ultralytics YOLOv8进行目标检测的关键优势是什么?
Ultralytics YOLOv8提供了增强功能,如实时目标检测、实例分割、姿态估计和分类。其优化的架构确保了高速性能,同时不牺牲准确性,使其适合各种应用。YOLOv8还包括与流行数据集和模型的内置兼容性,详细内容请参见。
如何在自定义数据上训练YOLOv8模型?
使用Ultralytics库可以轻松地在自定义数据上训练YOLOv8模型。以下是一个快速示例:
from ultralytics import YOLO
# 加载YOLOv8n模型
model = YOLO("yolov8n.pt")
# 在自定义数据集上训练模型
results = model.train(data="custom_data.yaml", epochs=100, imgsz=640)
yolo train model=yolov8n.pt data='custom_data.yaml' epochs=100 imgsz=640
有关更详细的说明,请访问。
Ultralytics支持哪些YOLO版本?
Ultralytics支持从YOLOv3到YOLOv10的一系列YOLO(You Only Look Once)版本,以及NAS、SAM和RT-DETR等模型。每个版本都针对各种任务进行了优化,如检测、分割和分类。有关每个模型的详细信息,请参考。
为什么要使用Ultralytics HUB进行机器学习项目?
Ultralytics HUB提供了一个无代码、端到端的平台,用于训练、部署和管理YOLO模型。它简化了复杂的工作流程,使用户能够专注于模型性能和应用。HUB还提供了云训练功能、全面的数据处理和用户友好的界面。更多信息,请参见。
YOLOv8能执行哪些任务,与其他YOLO版本相比如何?