docs.ultralytics.com
Open in
urlscan Pro
2a09:8280:1::5b:7c61
Public Scan
Submitted URL: http://docs.ultralytics.com/
Effective URL: https://docs.ultralytics.com/de
Submission: On February 19 via api from US — Scanned from DE
Effective URL: https://docs.ultralytics.com/de
Submission: On February 19 via api from US — Scanned from DE
Form analysis
2 forms found in the DOM<form class="md-header__option" data-md-component="palette">
<input aria-label="Switch to light mode" class="md-option" data-md-color-accent="indigo" data-md-color-media="(prefers-color-scheme)" data-md-color-primary="indigo" data-md-color-scheme="default" id="__palette_0" name="__palette" type="radio">
<label class="md-header__button md-icon" for="__palette_1" title="In den Lichtmodus wechseln">
<svg viewBox="0 0 24 24" xmlns="http://www.w3.org/2000/svg">
<path d="m14.3 16-.7-2h-3.2l-.7 2H7.8L11 7h2l3.2 9h-1.9M20 8.69V4h-4.69L12 .69 8.69 4H4v4.69L.69 12 4 15.31V20h4.69L12 23.31 15.31 20H20v-4.69L23.31 12 20 8.69m-9.15 3.96h2.3L12 9l-1.15 3.65Z"></path>
</svg>
</label>
<input aria-label="Switch to system preference" class="md-option" data-md-color-accent="indigo" data-md-color-media="(prefers-color-scheme: dark)" data-md-color-primary="black" data-md-color-scheme="slate" id="__palette_1" name="__palette"
type="radio">
<label class="md-header__button md-icon" for="__palette_2" hidden="" title="Zur Systempräferenz wechseln">
<svg viewBox="0 0 24 24" xmlns="http://www.w3.org/2000/svg">
<path
d="M12 18c-.89 0-1.74-.2-2.5-.55C11.56 16.5 13 14.42 13 12c0-2.42-1.44-4.5-3.5-5.45C10.26 6.2 11.11 6 12 6a6 6 0 0 1 6 6 6 6 0 0 1-6 6m8-9.31V4h-4.69L12 .69 8.69 4H4v4.69L.69 12 4 15.31V20h4.69L12 23.31 15.31 20H20v-4.69L23.31 12 20 8.69Z">
</path>
</svg>
</label>
<input aria-label="Switch to dark mode" class="md-option" data-md-color-accent="indigo" data-md-color-media="(prefers-color-scheme: light)" data-md-color-primary="indigo" data-md-color-scheme="default" id="__palette_2" name="__palette"
type="radio">
<label class="md-header__button md-icon" for="__palette_0" hidden="" title="In den dunklen Modus wechseln">
<svg viewBox="0 0 24 24" xmlns="http://www.w3.org/2000/svg">
<path d="M12 8a4 4 0 0 0-4 4 4 4 0 0 0 4 4 4 4 0 0 0 4-4 4 4 0 0 0-4-4m0 10a6 6 0 0 1-6-6 6 6 0 0 1 6-6 6 6 0 0 1 6 6 6 6 0 0 1-6 6m8-9.31V4h-4.69L12 .69 8.69 4H4v4.69L.69 12 4 15.31V20h4.69L12 23.31 15.31 20H20v-4.69L23.31 12 20 8.69Z"></path>
</svg>
</label>
</form>
Name: search —
<form class="md-search__form" name="search">
<input aria-label="Search" autocapitalize="off" autocomplete="off" autocorrect="off" class="md-search__input" data-md-component="search-query" name="query" placeholder="Suche" required="" spellcheck="false" type="text">
<label class="md-search__icon md-icon" for="__search">
<svg viewBox="0 0 24 24" xmlns="http://www.w3.org/2000/svg">
<path d="M9.5 3A6.5 6.5 0 0 1 16 9.5c0 1.61-.59 3.09-1.56 4.23l.27.27h.79l5 5-1.5 1.5-5-5v-.79l-.27-.27A6.516 6.516 0 0 1 9.5 16 6.5 6.5 0 0 1 3 9.5 6.5 6.5 0 0 1 9.5 3m0 2C7 5 5 7 5 9.5S7 14 9.5 14 14 12 14 9.5 12 5 9.5 5Z"></path>
</svg>
<svg viewBox="0 0 24 24" xmlns="http://www.w3.org/2000/svg">
<path d="M20 11v2H8l5.5 5.5-1.42 1.42L4.16 12l7.92-7.92L13.5 5.5 8 11h12Z"></path>
</svg>
</label>
<nav aria-label="Search" class="md-search__options">
<a aria-label="Share" class="md-search__icon md-icon" data-clipboard="" data-clipboard-text="javascript:void(0)" data-md-component="search-share" href="https://docs.ultralytics.com/de?q=" tabindex="-1" title="Teilen">
<svg viewBox="0 0 24 24" xmlns="http://www.w3.org/2000/svg"><path d="M18 16.08c-.76 0-1.44.3-1.96.77L8.91 12.7c.05-.23.09-.46.09-.7 0-.24-.04-.47-.09-.7l7.05-4.11c.54.5 1.25.81 2.04.81a3 3 0 0 0 3-3 3 3 0 0 0-3-3 3 3 0 0 0-3 3c0 .24.04.47.09.7L8.04 9.81C7.5 9.31 6.79 9 6 9a3 3 0 0 0-3 3 3 3 0 0 0 3 3c.79 0 1.5-.31 2.04-.81l7.12 4.15c-.05.21-.08.43-.08.66 0 1.61 1.31 2.91 2.92 2.91 1.61 0 2.92-1.3 2.92-2.91A2.92 2.92 0 0 0 18 16.08Z"></path></svg>
</a>
<button aria-label="Clear" class="md-search__icon md-icon" tabindex="-1" title="Klar" type="reset">
<svg viewBox="0 0 24 24" xmlns="http://www.w3.org/2000/svg">
<path d="M19 6.41 17.59 5 12 10.59 6.41 5 5 6.41 10.59 12 5 17.59 6.41 19 12 13.41 17.59 19 19 17.59 13.41 12 19 6.41Z"></path>
</svg>
</button>
</nav>
<div class="md-search__suggest" data-md-component="search-suggest"></div>
</form>
Text Content
Zum Inhalt springen Ultralytics YOLOv8 Es wird ein Jahr! 🎉 Ein Jahr voller Durchbrüche und Innovationen ➜ Ultralytics YOLOv8 Docs Zuhause Type to start searching ultralytics/ultralytics * v8.1.0 * 19.5k * 3.9k * Zuhause * Schnellstart * Modi * Aufgaben * Modelle * Datensätze * NEU 🚀 Explorer * Leitfäden * Integrationen * HUB * Referenz * Hilfe Ultralytics YOLOv8 Docs ultralytics/ultralytics * v8.1.0 * 19.5k * 3.9k * Zuhause Zuhause * Schnellstart * Modi Modi * Zug * Val * Vorhersage * exportieren * Track * Benchmark * Aufgaben Aufgaben * Erkennen * Segment * klassifizieren * Pose * OBB * Modelle Modelle * Datensätze Datensätze * Leitfäden Leitfäden * NEU 🚀 Explorer NEU 🚀 Explorer * Sprachen Sprachen * 🇬🇧 English * 🇨🇳 简体中文 * 🇰🇷 한국어 * 🇯🇵 日本語 * 🇷🇺 Русский * 🇩🇪 Deutsch * 🇫🇷 Français * 🇪🇸 Español * 🇵🇹 Português * 🇮🇳 हिन्दी * 🇸🇦 العربية * Schnellstart * Modi * Aufgaben * Modelle * Datensätze * NEU 🚀 Explorer * Leitfäden * Integrationen * HUB * Referenz * Hilfe Inhaltsübersicht * Wo man anfängt * YOLO: Eine kurze Geschichte * YOLO Lizenzen: Wie ist Ultralytics YOLO lizenziert? ZUHAUSE Wir stellen vor: Ultralytics YOLOv8YOLOv8 basiert auf den neuesten Entwicklungen im Bereich Deep Learning und Computer Vision und bietet eine unvergleichliche Leistung in Bezug auf Geschwindigkeit und Genauigkeit. Durch sein schlankes Design ist es für verschiedene Anwendungen geeignet und lässt sich leicht an unterschiedliche Hardwareplattformen anpassen, von Edge-Geräten bis hin zu Cloud-APIs. Erkunde die YOLOv8 Docs, eine umfassende Ressource, die dir helfen soll, die Funktionen und Möglichkeiten der Software zu verstehen und zu nutzen. Ganz gleich, ob du ein erfahrener Machine-Learning-Experte oder ein Neuling auf diesem Gebiet bist, diese hub soll dir helfen, das Potenzial von YOLOv8 in deinen Projekten zu maximieren. WO MAN ANFÄNGT * Installiere ultralytics mit Pip und in wenigen Minuten einsatzbereit Anfangen * Vorhersage neue Bilder und Videos mit YOLOv8 Auf Bildern vorhersagen * Zug ein neues YOLOv8 Modell für deinen eigenen Datensatz Ein Modell trainieren * Aufgaben YOLOv8 Aufgaben wie Segmentieren, Klassifizieren, Posieren und Verfolgen Aufgaben erforschen * NEU 🚀 Erforschen Datensätze mit erweiterter semantischer und SQL-Suche Einen Datensatz erforschen Pass auf: So trainierst du ein YOLOv8 Modell auf deinem eigenen Datensatz in Google Colab. YOLO: EINE KURZE GESCHICHTE YOLO (You Only Look Once), ein beliebtes Modell zur Objekterkennung und Bildsegmentierung, wurde von Joseph Redmon und Ali Farhadi an der University of Washington entwickelt. Seit seiner Einführung im Jahr 2015 hat YOLO aufgrund seiner hohen Geschwindigkeit und Genauigkeit schnell an Popularität gewonnen. * YOLOv2, das 2016 veröffentlicht wurde, verbesserte das ursprüngliche Modell durch die Integration von Stapelnormalisierung, Ankerboxen und Dimensionsclustern. * YOLOv3, das 2018 auf den Markt kam, verbesserte die Leistung des Modells durch ein effizienteres Backbone-Netzwerk, mehrere Anker und ein räumliches Pyramiden-Pooling weiter. * YOLOv4 wurde 2020 veröffentlicht und brachte Neuerungen wie die Mosaik-Datenerweiterung, einen neuen ankerlosen Erkennungskopf und eine neue Verlustfunktion. * YOLOv5 hat die Leistung des Modells weiter verbessert und neue Funktionen wie Hyperparameter-Optimierung, integrierte Experimentverfolgung und automatischen Export in gängige Exportformate hinzugefügt. * YOLOv6 wurde von Meituan im Jahr 2022 veröffentlicht und wird in vielen autonomen Lieferrobotern des Unternehmens eingesetzt. * YOLOv7 fügte zusätzliche Aufgaben hinzu, wie z.B. die Schätzung der Pose auf dem COCO Keypoints-Datensatz. * YOLOv8 ist die neueste Version von YOLO von Ultralytics. Als hochmodernes Modell (SOTA) baut YOLOv8 auf dem Erfolg früherer Versionen auf und führt neue Funktionen und Verbesserungen ein, um die Leistung, Flexibilität und Effizienz zu steigern. YOLOv8 unterstützt eine ganze Reihe von KI-Aufgaben, darunter Erkennung, Segmentierung, Posenschätzung, Verfolgung und Klassifizierung. Diese Vielseitigkeit ermöglicht es den Nutzern, die Fähigkeiten von YOLOv8 in verschiedenen Anwendungen und Bereichen zu nutzen. YOLO LIZENZEN: WIE IST ULTRALYTICS YOLO LIZENZIERT? Ultralytics bietet zwei Lizenzierungsoptionen für verschiedene Anwendungsfälle: * AGPL-3.0 Lizenz: Diese von der OSI genehmigte Open-Source-Lizenz ist ideal für Studierende und Enthusiasten und fördert die offene Zusammenarbeit und den Wissensaustausch. Weitere Einzelheiten findest du in der LICENSE-Datei. * Unternehmenslizenz: Diese Lizenz wurde für die kommerzielle Nutzung entwickelt und ermöglicht die nahtlose Integration von Ultralytics Software und KI-Modellen in kommerzielle Waren und Dienstleistungen, ohne die Open-Source-Anforderungen von AGPL-3.0 zu erfüllen. Wenn du unsere Lösungen in ein kommerzielles Angebot einbinden möchtest, wende dich an Ultralytics Licensing. Mit unserer Lizenzierungsstrategie wollen wir sicherstellen, dass alle Verbesserungen an unseren Open-Source-Projekten an die Gemeinschaft zurückgegeben werden. Die Prinzipien von Open Source liegen uns sehr am Herzen ❤️ und wir wollen sicherstellen, dass unsere Beiträge zum Nutzen aller genutzt und erweitert werden können. Erstellt am 2023-11-12, Aktualisiert am 2024-02-03 Autoren: glenn-jocher (4), AyushExel (3) Tweet Teilen KOMMENTARE Zurück zum Anfang Nächste Schnellstart © 2024 Ultralytics Inc. Alle Rechte vorbehalten. Hergestellt mit Material für MkDocs DE EN ZH KO JA RU FR ES PT IT NL HI AR TR VI