Ultralytics YOLO：從 YOLOv3 到 YOLO26 的儲存庫實作

ultralytics：從 YOLOv3 到 YOLO26

README 將 Ultralytics 介紹為 YOLO 模型家族背後的公司，本儲存庫是實現這一系列的 Python 套件。開頭列出了六項任務：目標偵測、追蹤、實例分割、語意分割、影像分類與姿態估計。後面的模型表又加入了深度估計與旋轉框。README 表示該套件支援從 YOLOv3 到 YOLO26 的模型，並將模型描述為快速、準確、易用。它沒有定義什麼樣的模型算作 YOLO 模型，因此這項標準沒有由本來源確定。

針對 ultralytics-ultralytics-deep-analysis 的第 1 個焦點，核驗可從「ultralytics：從 YOLOv3 到 YOLO26」提到的入口開始：先依 README 使用專案指定的命令或檔案，再記下版本、輸入格式、產物位置與終端輸出。這樣能把專案自身的流程和環境差異分開，尤其適合檢查依賴安裝、資料層級、瀏覽器設定、模型參數或資料庫欄位等容易造成結果偏差的地方。若同一命令在不同環境產生不同結果，應保留完整錯誤訊息，回到 ultralytics-ultralytics-deep-analysis 的原始文件確認前置條件。來源沒有提供的效能、相容性或安全承諾，仍應標記為未說明。

實際閱讀 ultralytics-ultralytics-deep-analysis 的「ultralytics：從 YOLOv3 到 YOLO26」時，第 1 節還能協助區分「文件明確寫出」和「讀者自行推論」兩種資訊。把命令、設定鍵、資料檔名與輸出內容放在同一份紀錄中，便能檢查流程是否真的可重現；若結果只在特定平台、特定資料集或特定瀏覽器版本成立，文章應保留這項條件。對依賴外部服務的部分，也要確認請求是否需要權杖、網路是否可用，以及失敗時專案會回報什麼。

ultralytics：安裝路徑與環境

快速安裝是一條指令：`pip install ultralytics`，README 稱該指令會安裝 pyproject.toml 中的全部依賴。要求的環境是 Python 3.8 或更高版本、PyTorch 1.8 或更高版本。Conda、Docker 與透過 Git 從原始碼建置被列為替代安裝方式，具體步驟指向快速入門指南。README 沒有說明目前版本經過測試的 Python 或 PyTorch 版本，這點需要查證。

針對 ultralytics-ultralytics-deep-analysis 的第 2 個焦點，核驗可從「ultralytics：安裝路徑與環境」提到的入口開始：先依 README 使用專案指定的命令或檔案，再記下版本、輸入格式、產物位置與終端輸出。這樣能把專案自身的流程和環境差異分開，尤其適合檢查依賴安裝、資料層級、瀏覽器設定、模型參數或資料庫欄位等容易造成結果偏差的地方。若同一命令在不同環境產生不同結果，應保留完整錯誤訊息，回到 ultralytics-ultralytics-deep-analysis 的原始文件確認前置條件。來源沒有提供的效能、相容性或安全承諾，仍應標記為未說明。

實際閱讀 ultralytics-ultralytics-deep-analysis 的「ultralytics：安裝路徑與環境」時，第 2 節還能協助區分「文件明確寫出」和「讀者自行推論」兩種資訊。把命令、設定鍵、資料檔名與輸出內容放在同一份紀錄中，便能檢查流程是否真的可重現；若結果只在特定平台、特定資料集或特定瀏覽器版本成立，文章應保留這項條件。對依賴外部服務的部分，也要確認請求是否需要權杖、網路是否可用，以及失敗時專案會回報什麼。

ultralytics：CLI 與 Python API

文件提供了兩個介面的範例。CLI 形式是 `yolo` 指令，範例用預訓練的 YOLO26n 模型對一張範例圖片做預測，並提到 `imgsz=640` 等額外參數。Python 形式匯入 YOLO 類別，載入 `yolo26n.pt`，在 COCO8 資料集上訓練 100 輪，驗證，預測，顯示結果並匯出為 ONNX。README 稱兩個介面接受相同的設定參數，並指向 CLI 與 Python 文件取得更多範例。CLI 子指令與 Python 方法的完整清單沒有在 README 中列出。

針對 ultralytics-ultralytics-deep-analysis 的第 3 個焦點，核驗可從「ultralytics：CLI 與 Python API」提到的入口開始：先依 README 使用專案指定的命令或檔案，再記下版本、輸入格式、產物位置與終端輸出。這樣能把專案自身的流程和環境差異分開，尤其適合檢查依賴安裝、資料層級、瀏覽器設定、模型參數或資料庫欄位等容易造成結果偏差的地方。若同一命令在不同環境產生不同結果，應保留完整錯誤訊息，回到 ultralytics-ultralytics-deep-analysis 的原始文件確認前置條件。來源沒有提供的效能、相容性或安全承諾，仍應標記為未說明。

實際閱讀 ultralytics-ultralytics-deep-analysis 的「ultralytics：CLI 與 Python API」時，第 3 節還能協助區分「文件明確寫出」和「讀者自行推論」兩種資訊。把命令、設定鍵、資料檔名與輸出內容放在同一份紀錄中，便能檢查流程是否真的可重現；若結果只在特定平台、特定資料集或特定瀏覽器版本成立，文章應保留這項條件。對依賴外部服務的部分，也要確認請求是否需要權杖、網路是否可用，以及失敗時專案會回報什麼。

ultralytics：YOLO26 模型表

模型部分以 YOLO26 為中心，列出了偵測、實例分割、語意分割、深度估計、分類、姿態與旋轉框的表格。每張表有五種尺寸：n、s、m、l、x。指標隨任務不同：偵測與姿態用 COCO val2017 上的 mAP，語意分割用 Cityscapes 上的 mIoU，深度用 NYU Depth V2 上的 delta1、abs_rel 與 rmse，分類用 ImageNet 上的 top-1 與 top-5 準確率，旋轉框用 DOTAv1 測試集上的 mAP。速度以 CPU ONNX 與 T4 TensorRT 延遲報告，README 註明了使用的實例類型。每張表都附有重現指令。README 沒有說明這些數字由誰產生。

針對 ultralytics-ultralytics-deep-analysis 的第 4 個焦點，核驗可從「ultralytics：YOLO26 模型表」提到的入口開始：先依 README 使用專案指定的命令或檔案，再記下版本、輸入格式、產物位置與終端輸出。這樣能把專案自身的流程和環境差異分開，尤其適合檢查依賴安裝、資料層級、瀏覽器設定、模型參數或資料庫欄位等容易造成結果偏差的地方。若同一命令在不同環境產生不同結果，應保留完整錯誤訊息，回到 ultralytics-ultralytics-deep-analysis 的原始文件確認前置條件。來源沒有提供的效能、相容性或安全承諾，仍應標記為未說明。

實際閱讀 ultralytics-ultralytics-deep-analysis 的「ultralytics：YOLO26 模型表」時，第 4 節還能協助區分「文件明確寫出」和「讀者自行推論」兩種資訊。把命令、設定鍵、資料檔名與輸出內容放在同一份紀錄中，便能檢查流程是否真的可重現；若結果只在特定平台、特定資料集或特定瀏覽器版本成立，文章應保留這項條件。對依賴外部服務的部分，也要確認請求是否需要權杖、網路是否可用，以及失敗時專案會回報什麼。

ultralytics：預訓練權重對應的資料集

預訓練權重與特定資料集綁定。偵測、分割與姿態模型在 COCO 上訓練；語意分割在 Cityscapes 上；分類在 ImageNet 上；旋轉框在 DOTAv1 上；深度估計在一個多資料集混合上預訓練並在 NYU Depth V2 上評估。README 稱所有模型在首次使用時自動從最新的 Ultralytics 發布下載。它沒有列出深度預訓練混合的具體組成，也沒有說明下載權重的大小。

針對 ultralytics-ultralytics-deep-analysis 的第 5 個焦點，核驗可從「ultralytics：預訓練權重對應的資料集」提到的入口開始：先依 README 使用專案指定的命令或檔案，再記下版本、輸入格式、產物位置與終端輸出。這樣能把專案自身的流程和環境差異分開，尤其適合檢查依賴安裝、資料層級、瀏覽器設定、模型參數或資料庫欄位等容易造成結果偏差的地方。若同一命令在不同環境產生不同結果，應保留完整錯誤訊息，回到 ultralytics-ultralytics-deep-analysis 的原始文件確認前置條件。來源沒有提供的效能、相容性或安全承諾，仍應標記為未說明。

實際閱讀 ultralytics-ultralytics-deep-analysis 的「ultralytics：預訓練權重對應的資料集」時，第 5 節還能協助區分「文件明確寫出」和「讀者自行推論」兩種資訊。把命令、設定鍵、資料檔名與輸出內容放在同一份紀錄中，便能檢查流程是否真的可重現；若結果只在特定平台、特定資料集或特定瀏覽器版本成立，文章應保留這項條件。對依賴外部服務的部分，也要確認請求是否需要權杖、網路是否可用，以及失敗時專案會回報什麼。

ultralytics：整合與社群管道

README 將 Weights & Biases、Comet ML、Roboflow 與 Intel OpenVINO 列為主要整合，並連結到覆蓋完整清單的頁面。支援方面，錯誤回報與功能請求走 GitHub Issues，Discord、Reddit 與 Ultralytics 社群論壇用於提問與討論。還連結了貢獻指南與使用者調查。README 沒有描述任何單一整合的作用，這些內容在連結的文件中。

針對 ultralytics-ultralytics-deep-analysis 的第 6 個焦點，核驗可從「ultralytics：整合與社群管道」提到的入口開始：先依 README 使用專案指定的命令或檔案，再記下版本、輸入格式、產物位置與終端輸出。這樣能把專案自身的流程和環境差異分開，尤其適合檢查依賴安裝、資料層級、瀏覽器設定、模型參數或資料庫欄位等容易造成結果偏差的地方。若同一命令在不同環境產生不同結果，應保留完整錯誤訊息，回到 ultralytics-ultralytics-deep-analysis 的原始文件確認前置條件。來源沒有提供的效能、相容性或安全承諾，仍應標記為未說明。

實際閱讀 ultralytics-ultralytics-deep-analysis 的「ultralytics：整合與社群管道」時，第 6 節還能協助區分「文件明確寫出」和「讀者自行推論」兩種資訊。把命令、設定鍵、資料檔名與輸出內容放在同一份紀錄中，便能檢查流程是否真的可重現；若結果只在特定平台、特定資料集或特定瀏覽器版本成立，文章應保留這項條件。對依賴外部服務的部分，也要確認請求是否需要權杖、網路是否可用，以及失敗時專案會回報什麼。

ultralytics：AGPL-3.0 與企業授權

本儲存庫以 AGPL-3.0 授權，這是一份 OSI 批准的 copyleft 授權，按授權文字，專為網路伺服器軟體設計：營運一個公開可存取伺服器並執行修改版本的人，必須將該版本的原始碼提供給伺服器使用者。授權文字還聲明，除已提供保證的範圍外，該作品不提供任何保證。README 增加了第二個選項，即 Ultralytics 企業授權，描述為允許將軟體整合到商業產品與內部工具中，而無需承擔 AGPL-3.0 的開源義務。README 沒有說明企業授權的價格或完整條款，授權文字也沒有涉及安全態勢或支援。

針對 ultralytics-ultralytics-deep-analysis 的第 7 個焦點，核驗可從「ultralytics：AGPL-3.0 與企業授權」提到的入口開始：先依 README 使用專案指定的命令或檔案，再記下版本、輸入格式、產物位置與終端輸出。這樣能把專案自身的流程和環境差異分開，尤其適合檢查依賴安裝、資料層級、瀏覽器設定、模型參數或資料庫欄位等容易造成結果偏差的地方。若同一命令在不同環境產生不同結果，應保留完整錯誤訊息，回到 ultralytics-ultralytics-deep-analysis 的原始文件確認前置條件。來源沒有提供的效能、相容性或安全承諾，仍應標記為未說明。

實際閱讀 ultralytics-ultralytics-deep-analysis 的「ultralytics：AGPL-3.0 與企業授權」時，第 7 節還能協助區分「文件明確寫出」和「讀者自行推論」兩種資訊。把命令、設定鍵、資料檔名與輸出內容放在同一份紀錄中，便能檢查流程是否真的可重現；若結果只在特定平台、特定資料集或特定瀏覽器版本成立，文章應保留這項條件。對依賴外部服務的部分，也要確認請求是否需要權杖、網路是否可用，以及失敗時專案會回報什麼。

編輯結論

YOLO26 是 README 中的最新模型線，提供七種任務的預訓練權重、pip 安裝路徑、CLI 與 Python 介面，以及 AGPL-3.0 加企業授權的雙重授權。

官方來源

1. Official documentation
2. Official README
3. Project repository
4. Release notes