Ultralytics YOLO介绍及应用场景
1.什么是Ultralytics YOLO
Ultralytics YOLO是由Ultralytics团队开发和维护的一套基于深度学习的计算机视觉模型及开发框架，主要用于实时目标检测、图像分割、目标跟踪、姿态估计和图像分类等任务。
YOLO全称是You Only Look Once，中文通常翻译为「只需看一次」。它属于单阶段目标检测算法（One-Stage Object Detection），能够通过一次前向推理，同时预测图像中的目标类别、位置和置信度，不需要像传统两阶段检测算法那样先生成候选区域，再逐一分类。
2.Ultralytics YOLO的主要版本
Ultralytics持续迭代YOLO系列模型，不同版本在检测精度、推理速度、模型结构和任务支持方面有所差异。
| 版本 | 主要特点 |
|---|---|
| YOLOv5 | 工程应用广泛，PyTorch生态成熟 |
| YOLOv8 | 支持检测、分割、分类、姿态估计等任务 |
| YOLO11 | 改进模型性能，支持多种视觉任务 |
| YOLO26 | 新一代模型系列，面向更高效的视觉部署 |
3.Ultralytics YOLO应用场景
- 1.目标检测（Object Detection）
识别物体类别，并使用矩形框标记物体位置。
应用：车辆检测、人员检测、产品缺陷检测。
- 2.实例分割（Instance Segmentation）
精确识别物体轮廓，区分图像中不同的实例。
应用：零件轮廓识别、医疗影像辅助分析、道路区域分割。
- 3.姿态估计（Pose Estimation）
识别人体关键点，例如肩膀、手肘、膝盖和脚踝。
应用：动作识别、运动分析、跌倒检测。
- 4.目标跟踪（Object Tracking）
在视频连续帧中识别并跟踪同一个目标，维持目标ID。
应用：客流统计、车辆轨迹分析、生产线物料跟踪。
- 5.图像分类（Image Classification）
判断整张图片属于哪个类别。
应用：产品分类、垃圾分类、工业产品质量分类。
4.Ultralytics YOLO业务流程
