Ultralytics YOLO 教程概览#
YOLO常见问题 ⭐ 推荐：解决与Ultralytics YOLO模型合作时最常遇到的问题的实用解决方案和故障排除技巧。
YOLO性能指标 ⭐ 重要：了解用于评估YOLO模型性能的关键指标，如mAP、IoU和F1得分。包括提高检测精度和速度的实用示例和提示。
模型部署选项：概述了YOLO模型部署格式，例如ONNX、OpenVINO和TensorRT，每种格式的优缺点以指导您的部署策略。
K折交叉验证 🚀 新功能：学习如何使用K折交叉验证技术提高模型泛化能力。
超参数调优 🚀 新功能：发现如何通过使用Tuner类和遗传进化算法微调超参数来优化您的YOLO模型。
SAHI分片推理 🚀 新功能：全面指南，介绍如何利用SAHI的切片推理功能与YOLO11结合，在高分辨率图像中进行对象检测。
AzureML快速入门 🚀 新功能：在Microsoft的Azure 机器学习平台上启动并运行Ultralytics YOLO模型。学习如何在云中训练、部署和扩展您的目标检测项目。
Conda快速入门 🚀 新功能：一步步指南，设置一个Conda环境用于Ultralytics。学习如何使用Conda高效地安装和开始使用Ultralytics包。
Docker快速入门 🚀 新功能：完整指南，设置并使用Ultralytics YOLO模型与Docker。学习如何安装Docker，管理GPU支持，并在隔离的容器中运行YOLO模型，以便一致的开发和部署。
Raspberry Pi 🚀 新功能：快速入门教程，将YOLO模型运行在最新的Raspberry Pi硬件上。
NVIDIA Jetson 🚀 新功能：快速入门指南，用于在NVIDIA Jetson设备上部署YOLO模型。
NVIDIA Jetson上的DeepStream 🚀 新功能：快速入门指南，使用DeepStream和TensorRT在NVIDIA Jetson设备上部署YOLO模型。
Triton推理服务器集成 🚀 新功能：深入了解Ultralytics YOLO11与NVIDIA的Triton推理服务器的集成，实现可扩展且高效的深度学习推理部署。
YOLO线程安全推理 🚀 新功能：执行YOLO模型推理时的线程安全指南。学习线程安全的重要性及最佳实践，以防止竞争条件并确保一致的预测。
隔离分割对象 🚀 新功能：逐步食谱和解释，如何使用Ultralytics分割从图像中提取和/或隔离对象。
Raspberry Pi上的Edge TPU：Google Edge TPU加速了在Raspberry Pi上的YOLO推理。
在终端中查看推理图像：使用VSCode的集成终端查看在使用远程隧道或SSH会话时推理结果。
OpenVINO延迟与吞吐量模式优化 - 学习延迟和吞吐量优化技术，以达到最佳的YOLO推理性能。
计算机视觉项目的步骤 🚀 新功能：了解计算机视觉项目中涉及的关键步骤，包括定义目标、选择模型、准备数据和评估结果。
定义计算机视觉项目的目标 🚀 新功能：走过如何有效定义清晰且可测量的计算机视觉项目目标。学习明确的问题陈述的重要性以及它如何为您的项目创建路线图。
数据收集和注释 🚀 新功能：探索收集和注释数据的工具、技术和最佳实践，为计算机视觉模型创建高质量输入。
预处理注释数据 🚀 新功能：学习关于使用YOLO11在计算机视觉项目中预处理和增强图像数据的知识，包括规范化、数据集增强、分割和探索性数据分析（EDA）。
模型评估和微调见解 🚀 新功能：深入了解评估和微调计算机视觉模型的策略和最佳实践。学习迭代过程以完善模型达到最佳结果。
模型测试指南 🚀 新功能：全面指南，测试您的计算机视觉模型在现实场景中的表现。学习如何验证准确性、可靠性和符合项目目标的性能。
模型部署最佳实践 🚀 新功能：走过高效部署计算机视觉项目中模型的技巧和最佳实践，重点关注优化、故障排除和安全性。
维护您的计算机视觉模型 🚀 新功能：了解监控、维护和记录计算机视觉模型的关键实践，以确保准确性、发现异常并减轻数据漂移。
ROS快速入门 🚀 新功能：学习如何将YOLO与机器人操作系统（ROS）集成，用于机器人应用中的实时对象检测，包括点云和深度图像。