2024年10月29日 · YOLO11 是 Ultralytics 最新的实时目标检测器，凭借更高的精度、速度和效率重新定义了可能性。除了传统的目标检测外，YOLO11 还支持目标跟踪、实例分割、关键点姿态估计、OBB定向物体检测（旋转目标检测）等视觉任务。1.

2023年10月11日 · YOLO的实时目标检测能力在自动驾驶车辆系统中非常宝贵，可以快速识别和跟踪各种物体，如车辆、行人 [1,2]、自行车和其他障碍物 [3,4,5,6]。 这些能力已经应用于许多领域，包括用于监控的视频序列中的动作识别 [7] [8]、运动分析 [9]和人机交互 [10]。 YOLO模型已在农业中用于农作物 [11,12]、病虫害 [13]的检测和分类，协助实现精准农业技术和农业流程自动化。 它们也适用于生物识别、安全和面部识别系统中的面部检测任务 [14,15]。 在医学领 …

2024年10月17日 · 文章浏览阅读1.3w次，点赞43次，收藏126次。 本篇文章介绍yolo目标检测数据集的一般格式，及如何借助labelimg标注软件对图片进行标注。 最后对数据集进行划分，并将数据集组织为ultralytics框架可用的目录结构，使数据集能够利用ultralytics框架 …

YOLO（You Only Look Once）是一组实时物体检测机器学习算法。 物体检测是一种计算机视觉任务，它使用 神经网络 来定位和分类图像中的物体。 这项任务有广泛的应用，从 医学成像 到自动驾驶汽车。

这篇文章《YOLO框架：目标检测中的演变、应用与基准的全面回顾》是一篇关于YOLO（You Only Look Once）框架的综合性回顾。YOLO是一种具有革命性的单阶段目标检测算法，以其在速度和准确性之间的显著平衡而闻名。

2025年2月20日 · YOLO12 demonstrates significant accuracy improvements across all model scales compared to prior YOLO models like YOLOv10 and YOLO11, with some trade-offs in speed compared to the fastest prior models. For example, YOLO12n achieves a +2.1% mAP improvement over YOLOv10n and +1.2% over YOLO11n on the COCO val2017 dataset.

Ultralytics YOLO11 is a cutting-edge, state-of-the-art (SOTA) model that builds upon the success of previous YOLO versions and introduces new features and improvements to further boost performance and flexibility. YOLO11 is designed to be fast, accurate, and easy to use, making it an excellent choice for a wide range of object detection and ...

Ultralytics YOLO is the latest advancement in the acclaimed YOLO (You Only Look Once) series for real-time object detection and image segmentation. It builds on previous versions by introducing new features and improvements for enhanced performance, flexibility, and efficiency.

2024年12月24日 · 本文将对 YOLO(ultralytics) 的整体架构进行深入解析，包括核心的 Model 与 Predictor 分离设计 、 动态任务配置机制 、回调函数(Callbacks)的应用方式以及针对不同任务类型如何灵活扩展等要点。通过阅读本解析，读者能够清晰了解 YOLO(ultralytics) 代码结构背后的设计 …

YOLO-dataset数据集在计算机视觉领域中被广泛应用于目标检测、分类和姿态估计任务的模型训练。 通过该数据集，研究人员和开发者能够高效地训练YOLO系列模型，从而实现对图像中目标的精确识别和定位。