2026年YOLO目标检测教程：Ultralytics（6万星），10行代码检测图片和视频里的物体

Ultralytics YOLO（60,218星，AGPL-3.0）是最易用的目标检测库：10行Python就能在图片、视频和实时摄像头流里检测80多类物体——免费，GPU/CPU都能跑。

💡 你将学到

Ultralytics YOLO（60,218星，AGPL-3.0）是最易用的目标检测库：10行Python就能在图片、视频和实时摄像头流里检测80多类物体——免费，GPU/CPU都能跑。

直接给结论

Ultralytics YOLO（60,218星，AGPL-3.0）把YOLOv8/YOLO11模型家族打包成极简Python API。检测、分割、分类、姿态估计都只要几行代码——不需要懂模型架构。

检测图片里的物体

pip install ultralytics

from ultralytics import YOLO

model = YOLO("yolo11n.pt")           # nano模型：快、小
results = model("bus.jpg")           # 返回检测结果

for r in results:
    for box in r.boxes:
        print(r.names[int(box.cls)], round(float(box.conf), 2))

检测视频或摄像头

model = YOLO("yolo11s.pt")           # small模型：精度更高
model.predict("video.mp4", save=True)          # 输出标注后的视频
model.predict(source="0", show=True)           # 实时摄像头

不止检测

真实数据

• YOLO11n在消费级GPU上80+ FPS，CPU约2-5 FPS。
• COCO预训练模型开箱即用，检测80类日常物体。
• Ultralytics被数千家公司用于计数、质检和安全场景。

FAQ

Q：需要自己训练吗？ A：不用——COCO预训练模型立即可用。只有需要自定义类别（如特定产品）时才训练。

Q：许可证问题？ A：库是AGPL-3.0；Ultralytics也卖企业许可。商业闭源使用前先看他们的授权条款。

Q：能导出其他格式吗？ A：能——model.export(format="onnx")可导出ONNX、TensorRT、CoreML、TFLite等格式。