Помощник сценариста▸ 
AI Приложения 
AI Новости 
ultralytics: фреймворк компьютерного зрения и глубокого обучения с открытым исходным кодом
ultralytics: фреймворк компьютерного зрения и глубокого обучения с открытым исходным кодомОписание
Ultralytics — это удобный фреймворк с открытым исходным кодом для компьютерного зрения и глубокого обучения. Он в основном используется для разработки и запуска моделей серии YOLO, таких как YOLOv5, YOLOv8 и другие. Этот инструмент широко применяется в задачах визуального распознавания, требующих быстрой реакции: обнаружение объектов, сегментация изображений, распознавание действий и т. д.
Проще говоря, это набор инструментов, который значительно упрощает весь путь — от обучения модели до её практического использования.
Основные функции Ultralytics
Поддержка множества задач
Способен решать самые разнообразные задачи компьютерного зрения, включая:
Поиск объектов: отметка положения объектов.
Сегментация: точное выделение контуров объектов.
Распознавание действий: определение положения суставов человека.
Классификация: определение того, что изображено на картинке в целом.
Поиск под углом: обнаружение объектов с углом наклона, например, перевёрнутых автомобилей на аэрофотоснимках.
Полный цикл разработки
От подготовки данных и обучения модели до финального экспорта и использования — всё берёт на себя.
Быстрый и простой в освоении
Простота в использовании: понятные команды в коде, легко для новичков.
Высокая скорость: поддержка различных технологий ускорения, очень быстрые вычисления.
Разнообразие моделей: есть как большие, так и малые модели — выбирайте в зависимости от того, что важнее: скорость или точность.
Удобство развёртывания где угодно
Позволяет конвертировать модели в различные форматы для запуска на компьютерах, мобильных устройствах или специализированном оборудовании.
Сценарии применения ultralytics
Контроль качества на производстве: обнаружение дефектов продукции, подсчёт деталей, считывание кодов — уже применяется более чем на 200 производственных линиях.
Городская безопасность: распознавание лиц, наблюдение за транспортом, обнаружение пожаров, подсчёт транспортного потока.
Роботы и автомобили: обход препятствий, восприятие дорожной обстановки, распознавание полосы движения.
Медицина и научные исследования: сегментация клеток, анализ рентгеновских снимков, проведение экспериментальных тестов.
Малые устройства: дроны, камеры наблюдения, портативные устройства — даже на обычных процессорах можно запускать компактные модели.
Как использовать ultralytics
Ultralytics предлагает гибкие способы использования — как через Python-код, так и через командную строку.
Пример использования Python API
from ultralytics import YOLO
# 1. 加载一个预训练模型 (例如 YOLOv8 nano)
model = YOLO("yolov8n.pt")
# 2. 在自定义数据集上训练模型
model.train(data="coco.yaml", epochs=100, imgsz=640)
# 3. 对一张图片进行目标检测
results = model("image.jpg")
# 4. 保存结果
results[0].save(filename="result.jpg")Пример интерфейса командной строки (CLI)
# 对图片进行预测 yolo predict model=yolov8n.pt source='path/to/image.jpg' # 开始训练模型 yolo detect train data=coco.yaml model=yolov8n.pt epochs=100
Часто задаваемые вопросы и способы решения
| Проблема | Причина / решение |
|---|---|
pip install ultralytics — тайм-аут | Используйте отечественный зеркальный источник или скачайте официальный .whl файл офлайн. |
| Недостаточно видеопамяти при обучении | Уменьшите imgsz / выберите модели n/s / включите смешанную точность amp=True. |
| Плохое обнаружение мелких объектов | ① Увеличьте входное разрешение; ② Используйте плиточную инференцию yolo predict tile=640; ③ Добавьте в датасет больше примеров с мелкими объектами. |
| Скачки ID при трекинге | Увеличьте параметр tracker=max_age или переключитесь на BoT-SORT; поддерживайте частоту детекции ≥ 20 FPS. |
| Высокая задержка при развёртывании на мобильном устройстве | Экспортируйте в CoreML / TFLite int8, используйте модель nano, включите ускорение NPU / Neural Engine. |
