Home Progetti ultralytics
ultralytics

ultralytics

di ultralytics · GitHub

Ultralytics YOLO26, YOLO11, YOLOv8 — rilevamento oggetti, segmentazione istantanea, segmentazione semantica, classificazione delle immagini, stima della posa, tracciamento degli oggetti

Visualizza su GitHub
In parole semplici

Rileva oggetti, traccia movimenti e classifica immagini utilizzando modelli AI avanzati.

⭐ Stelle
🍴 Fork
📜 Licenza
Licenza Copyleft
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
ultralytics — GitHub preview card
📈 Storia delle stelle
60k59k
2026-06-272026-07-29
📈 Segui ultralytics

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Ultralytics YOLO26, YOLO11, YOLOv8 — rilevamento oggetti, segmentazione istantanea, segmentazione semantica, classificazione delle immagini, stima della posa, tracciamento degli oggetti

ultralytics ha 60k stelle su GitHub. È stato forkato 11.5k volte. ultralytics è scritto principalmente in Python. È in sviluppo attivo dal 2022. ultralytics è disponibile con licenza AGPL-3.0. I suoi temi principali sono: computer-vision, deep-learning, image-classification, instance-segmentation.

Frequently asked questions

Che cos'è ultralytics?

Ultralytics YOLO26, YOLO11, YOLOv8 — rilevamento oggetti, segmentazione istantanea, segmentazione semantica, classificazione delle immagini, stima della posa, tracciamento degli oggetti

ultralytics è open source?

ultralytics è un progetto open source. È rilasciato con licenza AGPL-3.0.

ultralytics è gratuito?

Sì. ultralytics è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è ultralytics?

ultralytics è disponibile con licenza AGPL-3.0.

In quale linguaggio è scritto ultralytics?

ultralytics è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — ultralytics

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=ultralytics-ultralytics)](https://opensourceai.tech/project/ultralytics-ultralytics.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
TensorRT-YOLO
🚀 Toolkit di distribuzione YOLO più facile e veloce per NVIDIA 🛠️
1.9k · computer-vision
condividerotated-object-detectionyolo11
ultralytics-YOLO-DeepSort-ByteTrack-PyQt-GUI
un'applicazione GUI, che utilizza YOLO (YOLOv8, YOLO11, YOLOv13) per Rilevamento/Tracciamento d…
457 · byte-tracking
condivideyolo11yolo26
yolo_ros
Ultralytics YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12 per ROS 2
1.1k · 3d-human-pose-estimation
condivideyolo-worldyolo26
YoloDotNet
YoloDotNet - Un progetto C# .NET 8.0 per classificazione, rilevamento oggetti, rilevamento OBB,…
800 · computer-vision
condivideyolo-worldyolo26
X-AnyLabeling
Piattaforma di annotazione assistita da AI open-source per immagini, video, testo e dati multim…
9.9k · artificial-intelligence
condividerotated-object-detectioninstance-segmentation
yolov5
Ultralytics YOLOv5 in PyTorch per rilevamento oggetti, segmentazione istantanea, classificazion…
57.8k · computer-vision
condivideultralyticsinstance-segmentation
ultralytics_ros
Pacchetto ROS/ROS 2 per il rilevamento e la segmentazione degli oggetti in tempo reale con Ultr…
324 · object-detection
condivideultralyticsyolov8
autodistill
Immagini per inferenza senza etichettatura (usa modelli di base per addestrare modelli supervis…
2.7k · auto-labeling
condivideyolov8segment-anything
CVPR-2022-papers
Articoli CVPR 2022 con codice (论文及代码)
469 · computer-vision
condividepose-estimationsemantic-segmentation
mmyolo
OpenMMLab YOLO serie toolbox e benchmark. Implementato RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6,…
3.5k · deep-learning
condividerotated-object-detectionyolov8

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.