YOLO（You Only Look Once）系列模型是一系列流行的实时对象检测系统。这些模型因其高效和准确性而在计算机视觉领域广受欢迎。Ultralytics提供了对多个YOLO版本的支持，包括但不限于YOLOv3、YOLOv4、YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10和YOLOv11。每个版本都针对特定的任务进行了优化，如对象检测、实例分割、姿态估计和多对象跟踪。
YOLOv8是该系列中的最新版本，它不仅增强了对象检测能力，还引入了实例分割、姿态/关键点估计和分类等高级功能。YOLOv8的架构经过优化，确保了在不牺牲准确性的情况下实现高速性能，非常适合各种应用场景。此外，YOLOv8还内置了与流行数据集和模型的兼容性，具体详情可在YOLOv8文档页面上找到。
除了YOLO系列，Ultralytics还支持其他类型的模型，如SAM（Segment Anything Model）、SAM2、MobileSAM和FastSAM，这些模型专注于不同的图像和视频分割任务。还有YOLO-NAS，这是一个神经架构搜索（NAS）模型，以及RT-DETR，这是百度的PaddlePaddle实时检测Transformer模型。
如果对贡献自己的模型架构给Ultralytics感兴趣，非常欢迎。可以通过Fork Ultralytics的GitHub存储库开始，然后在本地克隆Fork并创建一个新的分支来工作。按照贡献指南添加模型，并确保在隔离和作为管道的一部分时严格测试模型。当对自己的模型感到满意时，可以创建一个Pull Request到主存储库以供审查。一旦审查通过，并且模型符合标准，它将被合并到主存储库中。更多详细信息，请参考贡献指南。