Ultralytics 使用指南
官网:https://www.ultralytics.com/
简介
Ultralytics 是一家专注于计算机视觉与深度学习的公司,也是著名的 YOLO (You Only Look Once) 系列目标检测模型的重要开发与维护者。它既是一个团队的名字,也是他们开源的 Python 库的名字。
-
核心产品 Ultralytics YOLO —— 这是当前最主流、最易用的目标检测与图像分割开源实现之一,支持 YOLOv3/v5/v8/v9/v11 等不同版本。
-
主要功能
- 目标检测 (Object Detection):识别并定位图像/视频中的目标。
- 图像分割 (Segmentation):在像素级别分割物体。
- 姿态估计 (Pose Estimation):检测人体关键点。
- 分类 (Classification):图像分类任务。
-
生态特点
- 纯 Python 实现,基于 PyTorch。
- 提供 pip 一键安装:
pip install ultralytics
。 - 开箱即用的命令行工具和 Python API。
- 内置训练、验证、推理、导出工具链。
- 支持多种部署格式:ONNX、TensorRT、CoreML、OpenVINO 等(SpacemiT RISCV 平台请使用 ONNX 格式部署)。
-
应用领域
-
视频监控与安防
-
自动驾驶与交通分析
-
工业检测与机器人视觉
-
医学影像分析
-
智能零售
-
框架适配说明
Ultralytics
使用 PyTorch
作为其后端框架,目前在 SpacemiT RISC-V
上 PyTorch
暂未接入硬件加速,因此你可以在我们平台上使用 Ultralytics
快速验证算法,当你部署时,请使用 spacemit-ort
框架以获得硬件加速,具体请参考 demo zoo 和 模型量化
环境准备
安装依赖项
sudo apt install python3-pip python3-venv libxrender1 libgl1 libglib2.0-0t64
平台要求
SpacemiT RISC-V:
- 已烧录 Bianbu ROS 系统镜像
安装 Ultralytics
设置源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
pip config set global.extra-index-url https://git.spacemit.com/api/v4/projects/33/packages/pypi/simple
配置虚拟环境
python3 -m venv test1
source test1/bin/activate
pip install pip -U
安装 ultralytics
pip install --prefer-binary ultralytics
等待安装完成,终端打印如下:
测试
示例参考来源:https://docs.ultralytics.com/zh/modes/predict/#plotting-results
由于涉及显示功能,请连接 HDMI 屏幕和键盘鼠标在板子本地运行命令。
from PIL import Image
from ultralytics import YOLO
# Load a pretrained YOLO11n model
model = YOLO("yolo11n.pt")
# Run inference on 'bus.jpg'
results = model(["https://ultralytics.com/images/bus.jpg", "https://ultralytics.com/images/zidane.jpg"]) # results list
# Visualize the results
for i, r in enumerate(results):
# Plot results image
im_bgr = r.plot() # BGR-order numpy array
im_rgb = Image.fromarray(im_bgr[..., ::-1]) # RGB-order PIL image
# Show results to screen (in supported environments)
r.show()
# Save results to disk
r.save(filename=f"results{i}.jpg")
保存为 demo1.py
执行:
source test1/bin/activate
python demo1.py
结果如下: