重磅更新！yolo v8.3.99发布：全球首个YOLOE开放词汇模型，支持文本/视觉提示！

🔍 核心更新解读

1. 1. 🌟 YOLOE模型：开放词汇的终极武器
   • • 无需预定义类别：直接通过**文本提示（如“一只戴墨镜的狗”）或视觉提示（参考图片）**检测任意目标。
   • • Prompt-Free模式：训练和推理均可脱离提示词，适应更广泛场景。
   • • SAVPE技术：全新空间感知视觉提示嵌入，让模型精准理解物体位置与语义。
2. 2. ⚙️ 开发者福音：兼容性与工具升级
   • • Docker支持JRE：新增Java运行时环境，解决Sony IMX模型导出兼容性问题。
   • • numpy版本锁定：避免依赖冲突，部署更稳定。
3. 3. 📊 应用增强
   • • 目标追踪优化：YOLO11示例代码升级，边缘案例处理+可视化效果全面提升。
   • • 一键镜像同步：GitHub到DagsHub的仓库自动同步，开源协作更高效。

💡 为什么YOLOE是革命性的？

传统YOLO需预先定义类别（如“猫、狗”），而YOLOE可动态响应任意文本或视觉输入：

• • 案例1：输入“路边损坏的消防栓”，直接定位城市中的破损设施。
• • 案例2：上传一张“复古电话”图片，模型自动搜索并分割相似物体。

🛠️ 如何快速上手？

from ultralytics import YOLOE

# 文本提示检测
model = YOLOE('yoloe-l.pt')
results = model.predict('street.jpg', text_prompt=["骑自行车的人", "红色卡车"])

# 视觉提示分割
visual_prompt = 'reference_dog.jpg'
results = model.predict('park.jpg', visual_prompt=visual_prompt)

🌐 生态与社区

• • 文档全面升级：新增多语言教程、数据集指导（点击查看[1]）。
• • 企业级支持：Docker镜像现支持工业级硬件（如Jetson、IMX系列）。

🎯 结语

YOLOv8.3.99不仅是技术迭代，更是CV领域的一次范式转移。无论你是研究者、开发者还是AI爱好者，YOLOE都将为你打开“开放世界”的大门。

📢 立即体验：

pip install ultralytics==8.3.99

引用链接

[1] 点击查看: https://docs.ultralytics.com

我们相信人工智能为普通人提供了一种“增强工具”，并致力于分享全方位的AI知识。在这里，您可以找到最新的AI科普文章、工具评测、提升效率的秘籍以及行业洞察。