数据检查于 2026-09-13. Data checked within the review cycle.
审查周期记录在方法论页面。 方法论
Ultralytics
AI 模型 Tier A perception_ai AGPL-3.0
Ultralytics YOLO26、YOLO11、YOLOv8 — 目标检测、实例分割、语义分割、图像分类、姿态估计、目标跟踪
概览
该模型资源为 Ultralytics 系列，涵盖 YOLO26、YOLO11、YOLOv8，支持目标检测、实例分割、语义分割、图像分类、姿态估计与目标跟踪。平台：https://platform.ultralytics.com 。许可证：AGPL-3.0（推断）。
工程快照
用途与任务 9
- 最适合
-
- real-time object detection
- instance segmentation
- pose estimation
- object tracking
- image classification
- 主要任务
-
- UAV perception
- autonomous navigation
- surveillance
- inspection
技术栈与生态
- 资源类型
- AI 模型
- 生态系统
- computer-vision · deep-learning · image-classification · instance-segmentation · machine-learning · object-detection
许可与法律
- 许可证
-
AGPL-3.0(推断)
生命周期与时效性 展开
- 维护状态
- 活跃维护
- 最新版本
- 未记录
- 最近活动
- 2026-09-13
- 最近检查
- 2026-09-13
- 验证状态
- 官方确认
解决什么问题
Provides a unified PyTorch library for YOLO-family models (YOLOv8, YOLO11, YOLO26) covering detection, segmentation, pose, tracking, and classification tasks for UAV perception.
主要用例
- UAV perception
- autonomous navigation
- surveillance
- inspection
次要用例
- dataset annotation
- model export to ONNX/TensorRT
- edge deployment
何时使用
考虑使用
- AGPL-3.0 license implications for commercial use
- model size vs accuracy tradeoff
- PyTorch dependency
采用前需验证
- license compliance for proprietary applications
- inference latency on target hardware
- accuracy on domain-specific data
在技术栈中的位置
技术层 perception_localization
从这里开始
采用检查清单
- 需验证 license compliance for proprietary applications
- 需验证 inference latency on target hardware
- 需验证 accuracy on domain-specific data
以上检查项只有在官方来源确认后才能标记为“已验证”；无法确认的保持未验证。
已知限制与未知项
已知限制
- AGPL-3.0 may require source disclosure
- large models may not run on edge without optimization
- training data not specified
未公开验证
- specific training datasets
- benchmark metrics on UAV datasets
- supported export formats
- hardware acceleration support
替代与相关工具
替代方案
- mmdetection — 替代
- mmsegmentation — 替代
- grounding-dino — 替代
- detr — 替代
相关工具
- visdrone-dataset — 支持
- bytetrack — 集成
- mmrotate — compatible with
如何使用？
从下方记录的入口开始，然后对照技术清单进行验证。
技术清单
- 通过 许可证已识别 已记录: AGPL-3.0
- 通过 维护信号 活跃维护
- 通过 验证状态 官方确认
- 通过 已附加来源证据 1 个来源记录
- 需复核 已记录最新版本 未记录
官方链接
元数据与治理
| 许可证 | AGPL-3.0 — 推断 |
|---|---|
| 商业化模式 | 未知 |
| 维护状态 | 活跃维护 |
| 验证状态 | 官方确认 — 已通过官方仓库 API 响应确认，证据见下方来源引用。 |
| 最新版本 | 未记录 |
| 最新发布 | 未记录 |
| 最近活动 | 2026-09-13 |
| 最近检查 | 2026-09-13 |
| 首次发现 | 未记录 |
相关资源与依赖
- visdrone-dataset — supports (verified)
- bytetrack — integrates with (confirmed)
- mmdetection — alternative to (verified)
- mmrotate — compatible with (verified)
- mmsegmentation — alternative to (verified)
- grounding-dino — alternative to (verified)
- detr — alternative to (verified)
近期动态
新增资源：ultralytics/ultralytics
New resource added to the OpenFly index.
相关知识
指南
- Reviewing Aerial AI and Dataset Sources — A provenance-first review flow for aerial datasets and model repositories.
- Building an Aerial Dataset Pipeline — A step-by-step path for assembling an aerial detection dataset pipeline from an indexed dataset and model framework.
- Verifying Whether an AI Model Can Deploy to an Edge Platform — A checklist for checking model export support on a target edge platform without inventing performance claims.
- VisDrone Dataset Engineering & Benchmark Guide — An engineering guide for loading, converting, and benchmarking the VisDrone aerial object detection dataset with YOLO models.
合集
- 航空测绘与测量技术栈 — 一个开源技术栈，用于从影像和数据集到摄影测量处理的航空测绘工作。
- 航拍感知模型与数据集 — 面向检测与跟踪研究及原型开发的、有可靠来源的航拍数据集与模型仓库。
- 边缘AI感知入门套件 — 一套用于在边缘部署工作之前对空中感知模型进行原型验证的起步技术栈。
- 视觉感知模型与数据 — 面向空中视觉感知研究与原型开发的索引模型与数据集资源库。