Ultralytics

一句话简介：全球领先的实时计算机视觉与 YOLO 目标检测开源框架官方平台。

网站介绍

Ultralytics 是知名计算机视觉框架 YOLO（You Only Look Once）系列的官方开发与维护平台。该网站主要提供 YOLO 系列模型（如 YOLOv8、YOLO11、YOLO26 等）的文档、代码库、预训练权重以及云端训练部署服务。作为一个兼具开源社区与商业服务性质的平台，Ultralytics 致力于降低计算机视觉技术的应用门槛，主要面向 AI 开发者、算法工程师、科研人员以及计算机视觉领域的学生与爱好者。

核心功能/栏目

1. 模型库与预训练权重：提供 YOLO26、YOLO11、YOLOE 等历代 YOLO 模型的架构说明与官方预训练权重下载。

2. 任务指南（Tasks）：详细涵盖目标检测、图像分割、语义分割、姿态估计、图像分类及旋转边界框（OBB）等视觉任务的教程。

3. 部署与导出（Integrations）：支持将模型一键导出为 ONNX、TensorRT、CoreML、OpenVINO 等格式，适配边缘设备与云端服务器。

4. 解决方案（Solutions）：提供对象计数、区域跟踪（TrackZone）、热力图生成、安全警报等开箱即用的视觉应用代码。

5. 官方文档与 API 参考：提供详尽的 Python API 接口说明、CLI 命令行使用指南以及超参数调优指南。

6. Ultralytics 平台（HUB）：提供云端数据标注、模型训练、版本管理及一键部署的商业化 SaaS 服务。

推荐优势/特点

1. 极简的开发体验：只需几行 Python 代码或一条 CLI 命令，即可完成模型的加载、训练、推理与导出，学习曲线平缓。

2. 卓越的性能表现：最新的 YOLO 模型在准确率、推理速度和边缘设备兼容性上均达到行业领先水平，支持端到端无 NMS 推理。

3. 全场景硬件适配：深度集成主流硬件与推理引擎，无论是手机端的 Apple Neural Engine，还是工业级的 NVIDIA GPU，都能实现高效部署。

4. 灵活的授权模式：提供适合个人与学术研究的 AGPL-3.0 开源协议，以及满足企业商业化闭源需求的企业许可证。

使用方法/入口指引

进入方式：用户可通过浏览器访问 Ultralytics 官方网站（ultralytics.com）或官方文档站（docs.ultralytics.com）获取最新资讯与技术指南。

使用步骤：

1. 环境准备：在本地终端通过 pip install ultralytics 命令安装官方 Python 库。

2. 模型推理：在 Python 脚本中引入 YOLO 类，加载预训练模型（如 yolo26n.pt），传入图片或视频路径即可获取检测结果。

3. 自定义训练：准备 YOLO 格式的数据集，使用 yolo train 命令或 Python API 在自定义数据上微调模型。

4. 模型导出：使用 yolo export 命令将训练好的模型转换为所需的部署格式。

同类/相关网站推荐

1. Roboflow：知名的计算机视觉数据管理与模型部署平台，提供便捷的数据标注与 YOLO 格式转换工具。

2. OpenCV：全球最流行的开源计算机视觉库，提供丰富的图像处理算法，常与 YOLO 结合用于图像前后处理。

3. Hugging Face：全球领先的 AI 模型与数据集开源社区，托管了大量视觉模型及 Transformers 库。

4. Papers with Code：汇集最新计算机视觉论文及其开源代码的平台，适合追踪目标检测领域的最新学术进展。