概述
- 即用型预训练模型，可快速部署。
- 自定义模型训练，配置简单。
- 支持多种导出格式，包括 ONNX、TensorRT 和 OpenVINO。
YOLO 模型简介
用法
- 使用 YOLO ONNX 转换 转换您的模型。
- 然后，通过遵循 RVC 转换 完成转换过程。
DepthAI 集成
- 解码原始输出为边界框（以及某些模型的关键点或实例掩码）。
- 非极大值抑制 (NMS) 以过滤重叠的检测。
Ultralytics Python 包提供了一个用户友好的界面，用于训练、评估和部署深度学习模型。它同时支持自定义数据集训练和预训练模型推理，对初学者友好，同时也为经验丰富的开发者提供了高级自定义选项。Ultralytics 以推动 YOLO 模型开发而闻名，包括最新的 YOLOv8、YOLOv10 和 YOLOv11 版本。该包还支持 SAM、DETR 等其他架构。您可以在官方文档中阅读相关信息。主要特点：
YOLO (You Only Look Once) 是一系列实时目标检测模型，以其速度和准确性而闻名。与分析图像的多步骤传统检测方法不同，YOLO 模型将检测视为一个单次回归问题，通过一次评估直接从整个图像预测边界框和类别概率。最初，YOLO 模型专为目标检测而设计，但较新版本现在支持多头任务，如姿态估计、分割等。
我们已将 Ultralytics 训练的 YOLO 模型轻松部署到 Luxonis 设备上。为了帮助您入门，我们提供了端到端教程，按任务分类：目标检测实例姿态实例分割如果您已有预训练权重，只需将其转换为 Luxonis 设备可用格式，请遵循以下步骤：
YOLO 模型需要专门的后处理，包括：