快速上手Ultralytics YOLO26：一站式计算机视觉项目使用指南
Ultralytics YOLO（最新版本为YOLO26）是当前计算机视觉领域的顶尖模型之一，由Ultralytics团队基于多年计算机视觉与AI研究打造。
YOLO界再起波澜！mAP 51.4，149FPS，目标检测，一个就够了
Chengjian Feng， Yujie Zhong， Yu Gao， Matthew R Scott， and Weilin Huang. Tood: Task-aligned one-stage object detection. In Proceedings of the IEEE/CVF International Conference on Computer Vision， pages 3510–3519， 2021. 3， 4。
YOLOv6：又快又准的目标检测框架开源啦
本框架同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中:YOLOv6-nano 在 COCO 上精度可达 35.0% AP，在 T4 上推理速度可达 1242 FPS;
DEEPX 与 Ultralytics 建立战略合作 共同制定 YOLO 社区物理 AI 全球标准
AI 半导体领导企业 DEEPX 今日宣布，将与 Ultralytics 建立具有重要意义的战略合作关系。Ultralytics 是 Ultralytics YOLO 的开发商，YOLO 是目前全球应用最广泛的计算机视觉架构，GitHub 星标超过 13 万。
Ultralytics发布YOLO26：让实时视觉检测更快更准的新"千里眼"
这项由Ultralytics团队主导开发的研究成果以技术报告形式发布于2026年6月，论文编号为arXiv:2606.03748，感兴趣的读者可通过该编号查询完整论文。
MiBeeNvr 的 AI 检测：为什么把推理放浏览器端，为什么选 YOLO11n
拆解 MiBeeNvr 的 AI 检测架构——推理为什么放在浏览器端而不是后端（无 CGO 约束、算力随 viewer 扩展、模型分发），以及为什么在 YOLOv5nu/v8n/11n 里选了 YOLO11n。
目标检测与分类：YOLOv3网络结构
YOLO v3的全称是You Only Look Once，version 3，是在2018年由华盛顿大学的 Joseph Redmon 和 Ali Farhadi 提出的，典型的特点是在检测速度与准确度上都有非常不错的表现，在目标检测与分类领域得到了广泛应用。
每日GitHub精选：Ultralytics YOLO深度解析
在过去几年里，计算机视觉的门槛正在被快速拉低。曾经只有大型科研机构才能玩转的实时检测、目标识别，如今已经被越来越多的开发者、工程师和企业以极低的成本拿来使用。