--- title: ultralytics-allmodels canonical_url: "https://www.modelscope.cn/models/anyforge/ultralytics-allmodels" md_url: "https://www.modelscope.cn/models/anyforge/ultralytics-allmodels.md" repository: anyforge/ultralytics-allmodels chinese_name: "ultralytics系列所有模型" last_updated: 2025-05-27 license: "Apache License 2.0" pipeline_tag: image-object-detection tasks: - image-object-detection library_name: - pytorch frameworks: - Pytorch downloads: 687 stars: 5 tags: - "ultralytics系列" - YOLO - DETR - SAM --- # ultralytics-allmodels > ultralytics-allmodels - anyforge 在 ModelScope 开源的模型。ultralytics系列所有模型 anyforge/ultralytics-allmodels 是 ModelScope 魔搭社区上的image-object-detection模型，采用 Apache License 2.0 许可。 - **Repository**: anyforge/ultralytics-allmodels - **License**: Apache License 2.0 - **Tasks**: image-object-detection - **Tags**: ultralytics系列, YOLO, DETR, SAM - **Downloads**: 687 - **Stars**: 5 - **Last updated**: 2025-05-27 Source: https://www.modelscope.cn/models/anyforge/ultralytics-allmodels --- ## ultralytics系列 - YOLOv3:YOLO 模型系列的第三次迭代，最初由 Joseph Redmon 设计，以其高效的实时物体检测功能而闻名。 - YOLOv4:YOLOv4 : YOLOv3 的暗网本地升级版，由 Alexey Bochkovskiy 于 2020 年发布。 - YOLOv5:Ultralytics 的YOLO 架构的改进版本，与以前的版本相比，性能和速度都有所提高。 - YOLOv6:由美团公司于 2022 年发布，并在该公司的许多自主配送机器人中使用。 - YOLOv7:更新的YOLO 模型，由 YOLOv4 的作者于 2022 年发布。 - YOLOv8:多功能模型，具有实例分割、姿势/关键点估计和分类等增强功能。 - YOLOv9:实验模型Ultralytics YOLOv5实现可编程梯度信息 (PGI) 的代码库。 - YOLOv10:由清华大学提供，采用无 NMS 训练和效率-精度驱动架构，提供最先进的性能和延迟。 - YOLO11 🚀新功能：Ultralytics 最新的YOLO 模型可在检测、分割、姿态估计、跟踪和分类等多项任务中提供最先进的 (SOTA) 性能。 - 分段 Anything Model (SAM):Meta 独创的 Segment Anything Model (SAM). - 分段 Anything Model 2 (SAM2):Meta 的 Segment Anything Model (SAM) 的下一代产品，适用于视频和图像。 - 移动段任何模型 (MobileSAM)：移动应用MobileSAM ，由庆熙大学提供。 - 快速分段 Anything Model (FastSAM):FastSAM 由中国科学院自动化研究所图像与视频分析组提供。 - YOLO:YOLO 神经架构搜索(NAS) 模型。 - 实时检测变压器 (RT-DETR):百度的PaddlePaddle 实时检测变换器(RT-DETR) 模型。 - YOLO-世界:来自腾讯人工智能实验室的实时开放词汇对象检测模型。 - YOLOE:一种改进的开放词汇对象检测器，在保持YOLO 实时性能的同时，还能检测其训练数据之外的任意类别。 > 官方地址： https://docs.ultralytics.com/zh/models/ ## 使用 ```python from ultralytics import YOLO # Load a COCO-pretrained YOLOv8n model model = YOLO("yolov8n.pt") # Display model information (optional) model.info() # Train the model on the COCO8 example dataset for 100 epochs results = model.train(data="coco8.yaml", epochs=100, imgsz=640) # Run inference with the YOLOv8n model on the 'bus.jpg' image results = model("path/to/bus.jpg") ``` ## SDK下载 ```bash #安装ModelScope pip install modelscope ``` ```python #SDK模型下载 from modelscope import snapshot_download model_dir = snapshot_download('anyforge/ultralytics-allmodels') ``` ## Git下载 ``` #Git模型下载 git clone https://www.modelscope.cn/anyforge/ultralytics-allmodels.git ```

如果您是本模型的贡献者，我们邀请您根据模型贡献文档，及时完善模型卡片内容。