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。

2025年3月17日 · 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 …

2025年3月12日 · YOLO (You Only Look Once) 是一种高效的目标检测算法，自其初代发布以来，经过多次迭代，逐步提升了检测速度和精度。本文将详细介绍 YOLO 从 v1 到 v11 的各个版本，涵盖每个版本的发布日期、作者、项目地址及主要功能特性。

YOLO11 是 Ultralytics YOLO 是实时物体检测器系列中的最新产品，以最先进的 精度 、速度和效率重新定义了可能实现的目标。 在之前YOLO 版本令人印象深刻的进步基础上，YOLO11 在架构和训练方法上进行了重大改进，使其成为广泛的 计算机视觉 任务的多功能选择。 您的浏览器不支持音频元素。 Ultralytics YOLO11 🚀 NotebookLM 生成的播客. 观看： 如何使用Ultralytics YOLO11 进行目标检测和跟踪 | 如何进行基准测试 |YOLO11 已发布🚀. 增强型特征提取： YOLO11 采用 …

Streamline YOLO workflows: Label, train, and deploy effortlessly with Ultralytics HUB. Try now! Track experiments, hyperparameters, and results with Weights & Biases. Free forever, Comet ML lets you save YOLO models, resume training, and interactively visualize predictions. Run YOLO inference up to 6x faster with Neural Magic DeepSparse.

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。 文章由Momina Liaqat Ali和Zhou Zhang撰写，发表日期为2024年10月23日，是一篇未经过同行评审的预印本。 YOLO的发展历程： 从最初的YOLOv1到最新的YOLOv11，每一代版本都在特征提取、边界框预测和优化技术等方面引入了重要的创新。 这些改进特别是在 骨干网络 （backbone）、 颈部 （neck）和 头部 （head）组件上的进步，使得YOLO成为实时目标检测领域的领先解决 …

2024年11月7日 · Ultralytics 开发的 YOLO 模型有不同的尺寸，即纳米（n）、小（s）、中（m）、大（l）和超大（x）。 较大的模型往往更复杂、更强大，但它们也需要更多资源并且运行速度较慢。

2024年8月15日 · YOLO，即You Only Look Once，是一种基于深度学习的实时目标检测算法，其核心理念在于将目标检测任务转化为一个单一的回归问题，从输入图像直接预测目标的类别和边界框。 YOLO的关键在于其单阶段的设计，这与传统的两阶段检测器形成鲜明对比，两阶段检测器，如Faster R-CNN，首先生成候选区域，然后对这些区域进行分类和边界框回归，虽然这种方法在精度上有优势，但速度相对较慢。 YOLO的设计简化了这一流程，使得目标检测的速度得到了 …

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.

2024年1月25日 · Explore the YOLO (You Only Look Once) model evolution, from foundational principles to the latest advancements in object detection, guiding both developers and researchers towards optimal application and understanding.