ultralytics

Ultralytics YOLO26、YOLO11、YOLOv8 — 目标检测、实例分割、语义分割、图像分类、姿态估计、目标追踪

Ultralytics YOLOv5（基于 PyTorch）用于目标检测、实例分割、分类、训练与导出

PyTorch 版 YOLOv3、YOLOv3-SPP 与 YOLOv3-tiny 的实时目标检测实现，支持训练、验证、推理与多格式导出

适用于 YOLO 模型的 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 实现

🚀 更简单、更快速的 NVIDIA YOLO 部署工具包 🛠️

支持按轴凹总力战、无缝制造三解，用于实现蔚蓝档案自动化的程序（已适配 Steam）

用于 COCO、LabelMe、Labelbox、VoTT、INFOLKS 和 ATH 标注的传统 JSON 转 YOLO 数据集转换器。已被 Ultralytics 套件中的 convert_coco() 取代。

适用于 ROS 2 的 Ultralytics YOLOv8、YOLOv9、YOLOv10、YOLOv11 与 YOLOv12

适用于所有 FPS 游戏的基于 AI 的自动瞄准器

共享的 Ultralytics 徽标、媒体、示例图片、预训练模型权重、数据集产物与发布资产。

使用 PyTorch、OpenCV 与 Sort 追踪进行 YOLOv7 对象追踪

简易且模块化的计算机视觉检测器、追踪器与 SAM - 用不到 10 行代码执行 YOLOv9、v8、v7、v6、v5、R、X。

🚀 基于 ONNX-Runtime 的高性能 YOLO11 实时目标检测解决方案 ⚡️

Ultralytics YOLO iOS 应用程序与 Swift 套件，用于跨主要计算机视觉任务的实时 Core ML 推理。