ultralytics系列
- YOLOv3:YOLO 模型系列的第三次迭代，最初由 Joseph Redmon 设计，以其高效的实时物体检测功能而闻名。
- YOLOv4:YOLOv4 : YOLOv3 的暗网本地升级版，由 Alexey Bochkovskiy 于 2020 年发布。
- YOLOv5:Ultralytics 的YOLO 架构的改进版本，与以前的版本相比，性能和速度都有所提高。
- YOLOv6:由美团公司于 2022 年发布，并在该公司的许多自主配送机器人中使用。
- YOLOv7:更新的YOLO 模型，由 YOLOv4 的作者于 2022 年发布。
- YOLOv8:多功能模型，具有实例分割、姿势/关键点估计和分类等增强功能。
- YOLOv9:实验模型Ultralytics YOLOv5实现可编程梯度信息 (PGI) 的代码库。
- YOLOv10:由清华大学提供，采用无 NMS 训练和效率-精度驱动架构，提供最先进的性能和延迟。
- YOLO11 🚀新功能：Ultralytics 最新的YOLO 模型可在检测、分割、姿态估计、跟踪和分类等多项任务中提供最先进的 (SOTA) 性能。
- 分段 Anything Model (SAM):Meta 独创的 Segment Anything Model (SAM).
- 分段 Anything Model 2 (SAM2):Meta 的 Segment Anything Model (SAM) 的下一代产品，适用于视频和图像。
- 移动段任何模型 (MobileSAM)：移动应用MobileSAM ，由庆熙大学提供。
- 快速分段 Anything Model (FastSAM):FastSAM 由中国科学院自动化研究所图像与视频分析组提供。
- YOLO:YOLO 神经架构搜索(NAS) 模型。
- 实时检测变压器 (RT-DETR):百度的PaddlePaddle 实时检测变换器(RT-DETR) 模型。
- YOLO-世界:来自腾讯人工智能实验室的实时开放词汇对象检测模型。
- YOLOE:一种改进的开放词汇对象检测器，在保持YOLO 实时性能的同时，还能检测其训练数据之外的任意类别。
官方地址： https://docs.ultralytics.com/zh/models/
使用
from ultralytics import YOLO
# Load a COCO-pretrained YOLOv8n model
model = YOLO("yolov8n.pt")
# Display model information (optional)
model.info()
# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Run inference with the YOLOv8n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")
SDK下载
#安装ModelScope
pip install modelscope
#SDK模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('anyforge/ultralytics-allmodels')
Git下载
#Git模型下载
git clone https://www.modelscope.cn/anyforge/ultralytics-allmodels.git
如果您是本模型的贡献者，我们邀请您根据模型贡献文档，及时完善模型卡片内容。