Ultralytics 是构建前沿 YOLO 系列模型的计算机视觉与 AI 工具库，基于多年计算机视觉和 AI 基础研究，持续更新以兼顾性能与灵活性。其模型快速、准确且易于使用。
【用途与支持任务】 Ultralytics YOLO 擅长多项任务：目标检测（object detection）、实例分割（instance segmentation）、语义分割（semantic segmentation）、深度估计（depth estimation）、图像分类（image classification）、姿态估计（pose estimation）以及旋转目标检测（oriented object detection，OBB），并且可以跨视频帧追踪检测到的目标。
【模型版本】 项目涵盖从早期 YOLOv3 到最新 YOLO26 的多种 YOLO 模型。YOLO27 尚处于研发最后阶段，模型暂不可用，尚无发布日期。资料中提及 YOLO27、YOLO26、YOLO11、YOLOv8 等名称。
【预训练模型与数据集】 YOLO26 系列提供预训练模型：检测、分割与姿态估计模型在 COCO 上预训练；语义分割在 Cityscapes（19 类）上预训练；深度估计在一组广泛的多数据集组合上预训练，并在 NYU Depth V2 上评估，预测以米为单位的逐像素深度；分类模型在 ImageNet（1000 类）上预训练；OBB 模型在 DOTAv1（15 类）上预训练。追踪模式兼容检测、分割、姿态与 OBB 模型。所列预训练模型在首次使用时自动从最新 Ultralytics 版本下载。
【使用方式】 安装：在 Python>=3.8、PyTorch>=1.8 环境中安装 ultralytics 包（包含全部依赖）。其他安装方式包括 Conda、Docker 以及通过 Git 从源码构建，详见快速开始指南。 命令行：可使用 yolo 命令直接运行，支持多种任务与模式，并接受 imgsz=640 等额外参数，示例见 YOLO CLI 文档。 Python：可直接集成进 Python 项目，接受与 CLI 相同的配置参数，示例见 YOLO Python 文档。 资料还给出了部分用于复现评测结果的命令示例，例如：yolo val detect data=coco.yaml device=0；yolo val segment data=coco.yaml device=0；yolo semantic val data=cityscapes.yaml device=0 imgsz=2048；yolo depth val model=yolo26n-depth.pt data=nyu-depth.yaml imgsz=768 device=0；yolo val classify data=path/to/ImageNet device=0；yolo val pose data=coco-pose.yaml device=0；yolo val obb data=DOTAv1.yaml device=0 split=test。速度指标均基于批量 batch=1、device=0|cpu 等方式复现，CPU 速度采用 ONNX 导出、GPU 速度采用 TensorRT 导出，在 Amazon EC2 P4d 等实例上测得。
【评测指标说明】 检测与分割的 mAP val 为单模型单尺度在 COCO val2017 上的表现；语义分割使用 Cityscapes 验证集上的 mIoU；深度估计使用 NYU Depth V2 Eigen 测试划分，delta1 NYU 表示预测深度在真值 1.25 倍范围内像素的百分比（多尺度加水平翻转 TTA 与对数最小二乘对齐），abs_rel 为平均绝对相对误差，rmse 为以米为单位的均方根误差，速度指标为 imgsz=768、batch=1 下的纯推理延迟（不含前处理/后处理）；分类使用 ImageNet 验证集准确率 acc；姿态估计使用 COCO Keypoints val2017 上的 mAP val，聚焦 person 类；OBB 使用 DOTAv1 测试集的单模型多尺度 mAP test。
【集成与生态】 与领先 AI 平台的集成可扩展 Ultralytics 的功能，覆盖数据集标注、训练、可视化与模型管理等任务，合作伙伴包括 Weights & Biases、Comet ML、Roboflow 和 Intel OpenVINO，更多集成见 Ultralytics Integrations。项目欢迎社区贡献，提供 Contributing Guide，并设有调查问卷征集反馈。
【许可与支持】 提供两种许可：AGPL-3.0 开源许可，适合学生、研究人员和爱好者，鼓励开放协作与知识共享，详见 LICENSE 文件；Ultralytics 企业许可，用于开发和生产场景，可将 Ultralytics 软件与 AI 模型无缝集成至业务产品与服务（包括内部工具、自动化工作流和生产部署），规避 AGPL-3.0 开源要求，需通过 Ultralytics Licensing 联系获取。支持与反馈渠道包括 GitHub Issues（缺陷报告与功能请求）、Discord、Reddit 和 Ultralytics 社区论坛。
【限制与缺失信息】 YOLO27 模型尚未发布、无发布日期；收费价格、具体商业条款细节、平台覆盖范围等信息资料未提供。
