概述
- 开箱即用的预训练模型，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
使用方法
- 使用 YOLO ONNX 转换 转换模型。
- 然后，通过 RVC 转换 完成转换流程。
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） 以过滤重叠检测结果。
Ultralytics Python 包提供了一个用户友好的接口，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，既适合初学者入门，也为有经验的开发者提供了丰富的自定义选项。Ultralytics 最著名的是主导了 YOLO 模型的开发，包括最新版本 YOLOv8、YOLOv10 和 YOLOv11。该包还支持其他架构，如 SAM、DETR 等。更多信息可参阅官方文档。主要特性：
YOLO（You Only Look Once） 是一个实时目标检测模型家族，以其速度和精度著称。与传统的多步骤分析方法不同，YOLO 模型将检测视为单次回归问题，一次性从整张图像中直接预测边界框和类别概率。最初，YOLO 模型专为目标检测设计，但新版本已支持多头任务，如姿态估计、分割等。
我们已简化在 Luxonis 设备上部署使用 Ultralytics 训练的 YOLO 模型的过程。为帮助您快速上手，我们提供了按任务分类的端到端教程：目标检测实例姿态估计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，请按以下步骤操作：
YOLO 模型需要专门的后处理，包括：