当前位置: 首页 > article >正文

ultralytics 是什么?

ultralytics 是一个用于计算机视觉任务的 Python 库,专注于提供高效、易用的目标检测、实例分割和图像分类工具。它最著名的功能是实现 YOLO(You Only Look Once) 系列模型,特别是最新的 YOLOv8


1. YOLO 是什么?

YOLO 是一种流行的目标检测算法,以其速度快精度高而闻名。YOLO 的核心思想是将目标检测问题转化为一个回归问题,直接预测目标的边界框和类别。

  • YOLOv8 是 YOLO 系列的最新版本,由 Ultralytics 团队开发和维护。
  • YOLOv8 支持多种任务,包括目标检测、实例分割和图像分类。

2. ultralytics 的功能

ultralytics 提供了以下主要功能:

(1)目标检测(Object Detection)
  • 检测图像或视频中的物体,并返回每个物体的类别和边界框。

  • 示例代码:

    from ultralytics import YOLO
    
    # 加载预训练模型
    model = YOLO("yolov8n.pt")
    
    # 对图像进行推理
    results = model("https://ultralytics.com/images/bus.jpg")
    
    # 显示结果
    results[0].show()
    
(2)实例分割(Instance Segmentation)
  • 检测图像中的物体,并返回每个物体的类别、边界框和像素级掩码。

  • 示例代码:

    from ultralytics import YOLO
    
    # 加载预训练模型
    model = YOLO("yolov8n-seg.pt")  # 使用 YOLOv8 实例分割模型
    
    # 对图像进行推理
    results = model("https://ultralytics.com/images/bus.jpg")
    
    # 显示结果
    results[0].show()
    
(3)图像分类(Image Classification)
  • 对图像进行分类,返回图像的类别标签。

  • 示例代码:

    from ultralytics import YOLO
    
    # 加载预训练模型
    model = YOLO("yolov8n-cls.pt")  # 使用 YOLOv8 分类模型
    
    # 对图像进行推理
    results = model("https://ultralytics.com/images/bus.jpg")
    
    # 显示结果
    results[0].show()
    
(4)模型训练
  • 支持自定义数据集的训练,可以训练目标检测、实例分割和分类模型。

  • 示例代码:

    from ultralytics import YOLO
    
    # 加载模型
    model = YOLO("yolov8n.pt")
    
    # 训练模型
    results = model.train(data="coco128.yaml", epochs=10, imgsz=640)
    
(5)模型导出
  • 支持将模型导出为多种格式,如 ONNX、TensorRT、CoreML 等,以便在不同平台上部署。

  • 示例代码:

    from ultralytics import YOLO
    
    # 加载模型
    model = YOLO("yolov8n.pt")
    
    # 导出模型为 ONNX 格式
    model.export(format="onnx")
    

3. ultralytics 的优势

  • 简单易用:提供了简洁的 API,几行代码即可完成复杂的任务。
  • 高性能:基于 YOLOv8,速度快且精度高。
  • 多任务支持:支持目标检测、实例分割和图像分类。
  • 跨平台:支持多种硬件(CPU、GPU)和部署格式(ONNX、TensorRT 等)。

4. 适用场景

ultralytics 适用于以下场景:

  • 目标检测:检测图像或视频中的物体(如行人、车辆、动物等)。
  • 实例分割:对图像中的物体进行像素级分割。
  • 图像分类:对图像进行分类(如猫 vs 狗)。
  • 自定义训练:使用自己的数据集训练模型。
  • 模型部署:将模型导出为 ONNX、TensorRT 等格式,用于生产环境。

5. 安装 ultralytics

要使用 ultralytics,首先需要安装它:

pip install ultralytics

6. 官方资源

  • GitHub 仓库:Ultralytics YOLOv8
  • 官方文档:Ultralytics YOLOv8 Docs
  • 预训练模型:YOLOv8 Models

总结

ultralytics 是一个功能强大且易于使用的计算机视觉库,专注于 YOLO 系列模型的实现和应用。无论是目标检测、实例分割还是图像分类,ultralytics 都能提供高效的解决方案。

原文地址:https://blog.csdn.net/wykqh/article/details/145325821
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.kler.cn/a/523949.html

相关文章:

  • STM32简介
  • MySQL(单表访问)
  • 代码随想录算法【Day34】
  • [ABC137E] Coins Respawn 题解
  • YOLOv11-ultralytics-8.3.67部分代码阅读笔记-block.py
  • LTV预估 | 大R挖掘器ExpLTV
  • LeetCode-3433. 统计用户被提及情况
  • OpenBMC:简介
  • Controller 层优化四步曲
  • 探索现代前端微前端架构的最佳实践
  • MySQL知识点总结(十)
  • 2748. 美丽下标对的数目(Beautiful Pairs)
  • 【Python】 使用pygame库实现新年烟花
  • 支持selenium的chrome driver更新到132.0.6834.110
  • 彻底理解Flink的多种部署方式
  • 人工智能丨基于机器学习的视觉 CV 处理技术
  • 开发第一个安卓页面
  • 长尾关键词优化对提升SEO和网站访客流量的实用影响与策略
  • C语言深入解析 printf的底层源码实现
  • 【前端】Hexo 部署指南_hexo-deploy-git·GitHub Actions·Git Hooks