ultralytics

Ultralytics YOLO26, YOLO11, YOLOv8 — détection d'objets, segmentation d'instances, segmentation sémantique, classification d'images, estimation de pose, suivi d'objets.

Ultralytics YOLOv5 en PyTorch pour la détection d'objets, la segmentation d'instances, la classification, l'entraînement et l'exportation.

Implémentation PyTorch de YOLOv3, YOLOv3-SPP et YOLOv3-tiny pour la détection d'objets en temps réel, incluant l'entraînement, la validation, l'inférence et l'exportation multi-format.

Implémentation du NVIDIA DeepStream SDK 8.0 / 7.1 / 7.0 / 6.4 / 6.3 / 6.2 / 6.1.1 / 6.1 / 6.0.1 / 6.0 / 5.1 pour les modèles YOLO.

Boîte à outils de déploiement YOLO plus simple et plus rapide pour NVIDIA

Programme d'automatisation pour Blue Archive prenant en charge les combats tactiques par axe, la résolution de puzzles et compatible avec la version Steam.

Convertisseur de jeux de données JSON-to-YOLO pour les annotations COCO, LabelMe, Labelbox, VoTT, INFOLKS et ATH. Remplacé par convert_coco() dans le package Ultralytics.

Ultralytics YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12 pour ROS 2.

Aim-bot basé sur l'IA pour tous les jeux de tir à la première personne (FPS).

Logos partagés, médias, images d'exemple, poids de modèles pré-entraînés, artéfacts de datasets et ressources de versions d'Ultralytics.

Suivi d'objets YOLOv7 utilisant PyTorch, OpenCV et Sort Tracking

Détecteurs, traqueurs et SAM de Computer Vision faciles et modulaires - Exécutez YOLOv9, v8, v7, v6, v5, R, X en moins de 10 lignes de code.

🚀 Une solution de détection d'objets en temps réel haute performance utilisant YOLO11 ⚡️ propulsée par ONNX-Runtime

Application iOS et package Swift Ultralytics YOLO pour l'inférence Core ML en temps réel sur les principales tâches de vision par ordinateur.