Ultralytics提供了广泛的YOLO模型,每个模型都针对特定任务进行了优化,如对象检测、实例分割、图像分类、姿态估计和多对象跟踪。如果有兴趣为Ultralytics贡献模型架构,请参考。
以下是一些主要支持的模型:
YOLOv3
:由Joseph Redmon创建的YOLO家族的第三次迭代,以其高效的实时对象检测能力而闻名。YOLOv4
:由Alexey Bochkovskiy在2020年发布的YOLOv3的原生更新。YOLOv5
:Ultralytics提供的YOLO架构的改进版本,与以前版本相比,提供了更好的性能和速度。YOLOv6
:由美团在2022年发布,并在公司的许多自主交付机器人中使用。YOLOv7
:由YOLOv4的在2022年发布的YOLO模型的更新。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的YOLOv5基础代码上训练的实验模型,实现了可编程梯度信息(PGI)。YOLOv10
:来自清华大学的模型,具有无NMS的训练和面向效率和精度的架构,提供了最新的性能和延迟。YOLOv11
:Ultralytics最新的YOLO模型,提供了多个任务的最新性能(SOTA)。SAM
:Meta(原Facebook)的原始任何东西分割模型。SAM2
:Meta的下一代任何东西分割模型,适用于视频和图像。MobileSAM
:由韩国京熙大学提供的MobileSAM,适用于移动应用。FastSAM
:由中国科学院自动化研究所图像和视频分析小组提供的FastSAM。YOLO-NAS
:YOLO神经架构搜索(NAS)模型。RT-DETR
:百度的PaddlePaddle实时检测变换器(RT-DETR)模型。YOLO-Mundo
:腾讯AI实验室提供的实时开放词汇对象检测模型。