YOLOv5u 是由 Ultralytics 开发的 YOLOv5 模型的高级版本,它集成了无锚点、无目标性分割头,提高了对象检测任务的准确性和速度。
本文介绍了如何使用谷歌Colab平台来训练YOLO11深度学习模型,无需昂贵的硬件成本。
本页面介绍了一个基于对象跟踪的实时视频流队列管理系统,包括其主要功能、使用方法和代码实现。
本指南介绍了与Ultralytics YOLO模型兼容的多种数据集格式,并提供了关于它们的结构、使用以及如何在不同格式之间转换的见解。
探索Ultralytics支持的各种YOLO模型,了解如何贡献自己的模型,并掌握如何使用这些模型进行对象检测等任务。
Ultralytics HUB是一个用户友好的平台,允许用户快速上传数据集并训练新的YOLO模型。提供多种预训练模型选择,轻松开始。模型训练完成后,可以在Ultralytics HUB App中预览,并部署用于实时分类、目标检测和实例分割任务。
YOLOv5是一个基于PyTorch的高效深度学习框架,专为实时目标检测而设计,提供快速、准确的结果。
本网页介绍了如何使用Ultralytics YOLO中的回调函数来增强模型训练、验证和预测过程中的自定义功能。
本网页介绍了Ultralytics YOLO在多目标跟踪领域的应用,包括实时性能、高精度、预训练模型的使用,以及如何通过Python和命令行界面进行操作。
本指南介绍了与Ultralytics YOLO模型兼容的各种Oriented Bounding Boxes(OBB)数据集格式,包括它们的结构、应用以及格式转换方法。
Ultralytics社区致力于创建一个无骚扰的环境,适用于所有成员,不论其年龄、体型、可见或不可见的残疾、种族、性别特征、性别认同和表达、经验水平、教育背景、社会经济地位、国籍、个人外貌、种族、宗教或性取向。
本网页提供了VisionEye与Ultralytics YOLO11集成的详细指南,包括对象识别、跟踪和距离计算等功能。
本网页介绍了如何使用Ultralytics YOLOv8进行区域目标计数,包括其优势、实际应用场景以及如何运行计数脚本。
本指南介绍了如何将Ultralytics YOLO与Weights & Biases集成,以提高模型训练的效率和可视化效果。
本网页介绍了如何将数据集上传至Ultralytics HUB,并进行模型训练的详细步骤。
本文介绍了如何为Ultralytics YOLO项目提交一个有效的最小可复现示例(MRE)错误报告,包括隔离问题、使用公共资源、列出依赖、编写清晰的描述、格式化代码和测试MRE。
探索Ultralytics YOLO11,这是一个基于深度学习和计算机视觉的最新实时目标检测和图像分割模型。
本页面介绍了如何使用YOLO11模型进行实例分割,包括模型训练、验证、预测和导出到不同格式的方法。
本页面旨在为使用Ultralytics YOLO的用户提供支持,解答常见问题,并提供相关文档和指南。
本指南介绍了如何将YOLO模型部署在AzureML云服务平台上,包括环境设置、模型训练和预测等步骤。
本指南展示了如何将Ultralytics YOLO模型与Weights & Biases集成,以提高实验跟踪、模型检查点和性能可视化的效率。
本页面介绍了如何使用Ultralytics YOLO11进行实例分割和目标跟踪,包括代码示例和关键概念解释。
本指南将指导您如何将Ultralytics YOLO11模型转换为TensorFlow.js格式,并在浏览器和Node.js环境中部署。
本指南介绍了如何为Ultralytics YOLO仓库提交错误报告时创建最小可复现示例(MRE),包括问题隔离、使用公共模型和数据集、包含所有依赖项、清晰描述问题、代码格式化和测试MRE。
本页面介绍了Ultralytics YOLO模型与各种工具和平台的集成方式,旨在简化机器学习工作流程,提高数据集管理效率,简化模型训练,并促进高效部署。
本网页介绍了如何使用Ultralytics YOLO进行高级定制化模型训练,包括自定义模型、数据加载器以及添加回调函数。
探索 Ultralytics 提供的多样化 YOLO 模型,包括 YOLOv3 至 YOLOv11,以及 SAM 和 RT-DETR 等。
COCO8数据集是一个用于测试和调试对象检测模型的小型数据集,包含8张图片,适用于实验新的检测方法。本文介绍了如何使用COCO8数据集训练YOLO11模型,以及Ultralytics HUB在模型训练中的作用。
Ultralytics YOLO11 提供高效的停车管理解决方案,通过实时车辆检测和停车占用率监控,优化停车空间使用,减少拥堵,提高安全性,降低排放,实现环境可持续性。
YOLOv8 是 Ultralytics 推出的最新目标检测模型,它在准确性和速度上都有显著提升。本文详细介绍了 YOLOv8 的主要功能、支持的任务和模式、性能指标以及如何使用 YOLOv8 进行训练和推理。