Add Hindi हिन्दी and Arabic العربية Docs translations (#6428)
Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com> Co-authored-by: pre-commit-ci[bot] <66853113+pre-commit-ci[bot]@users.noreply.github.com>
This commit is contained in:
Glenn Jocher
GitHub
parent
b6baae584c
commit
02bf8003a8
337 changed files with 6584 additions and 777 deletions
|
|
@ -12,7 +12,7 @@ keywords: Ultralytics, YOLOv8, 图像分类, 预训练模型, YOLOv8n-cls, 训
|
|||
|
||||
图像分类器的输出是单个类别标签和一个置信度分数。当您只需要知道一幅图像属于哪个类别、而不需要知道该类别对象的位置或它们的确切形状时，图像分类非常有用。
|
||||
|
||||
!!! tip "提示"
|
||||
!!! Tip "提示"
|
||||
|
||||
YOLOv8分类模型使用`-cls`后缀，即`yolov8n-cls.pt`，并预先训练在[ImageNet](https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/ImageNet.yaml)上。
|
||||
|
||||
|
|
@ -39,7 +39,7 @@ keywords: Ultralytics, YOLOv8, 图像分类, 预训练模型, YOLOv8n-cls, 训
|
|||
|
||||
在MNIST160数据集上训练YOLOv8n-cls模型100个时期，图像尺寸为64。有关可用参数的完整列表，请参见[配置](/../usage/cfg.md)页面。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -76,7 +76,7 @@ YOLO分类数据集的格式详情请参见[数据集指南](/../datasets/classi
|
|||
|
||||
在MNIST160数据集上验证训练好的YOLOv8n-cls模型准确性。不需要传递任何参数，因为`model`保留了它的训练`data`和参数作为模型属性。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -103,7 +103,7 @@ YOLO分类数据集的格式详情请参见[数据集指南](/../datasets/classi
|
|||
|
||||
使用训练过的YOLOv8n-cls模型对图像进行预测。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -130,7 +130,7 @@ YOLO分类数据集的格式详情请参见[数据集指南](/../datasets/classi
|
|||
|
||||
将YOLOv8n-cls模型导出为其他格式，如ONNX、CoreML等。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
|
|||
|
|
@ -23,7 +23,7 @@ keywords: YOLOv8, Ultralytics, 目标检测, 预训练模型, 训练, 验证,
|
|||
<strong>观看：</strong>使用预训练的Ultralytics YOLOv8模型进行目标检测。
|
||||
</p>
|
||||
|
||||
!!! tip "提示"
|
||||
!!! Tip "提示"
|
||||
|
||||
YOLOv8 Detect 模型是默认的 YOLOv8 模型，即 `yolov8n.pt` ，并在 [COCO](https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml) 数据集上进行了预训练。
|
||||
|
||||
|
|
@ -50,7 +50,7 @@ keywords: YOLOv8, Ultralytics, 目标检测, 预训练模型, 训练, 验证,
|
|||
|
||||
在COCO128数据集上使用图像尺寸640将YOLOv8n训练100个epochs。要查看可用参数的完整列表，请参阅 [配置](/../usage/cfg.md) 页面。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -86,7 +86,7 @@ YOLO检测数据集格式可以在 [数据集指南](/../datasets/detect/index.m
|
|||
|
||||
在COCO128数据集上验证训练好的YOLOv8n模型准确性。无需传递参数，`model` 作为模型属性保留其训练的 `data` 和参数。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -115,7 +115,7 @@ YOLO检测数据集格式可以在 [数据集指南](/../datasets/detect/index.m
|
|||
|
||||
使用训练好的YOLOv8n模型在图像上进行预测。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -142,7 +142,7 @@ YOLO检测数据集格式可以在 [数据集指南](/../datasets/detect/index.m
|
|||
|
||||
将YOLOv8n模型导出为ONNX、CoreML等不同格式。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
|
|||
|
|
@ -1,7 +1,7 @@
|
|||
---
|
||||
评论：真
|
||||
描述：学习如何使用Ultralytics YOLOv8进行姿态估计任务。找到预训练模型，学习如何训练、验证、预测以及导出你自己的模型。
|
||||
关键词：Ultralytics, YOLO, YOLOv8, 姿态估计, 关键点检测, 物体检测, 预训练模型, 机器学习, 人工智能
|
||||
comments: true
|
||||
description: 学习如何使用Ultralytics YOLOv8进行姿态估计任务。找到预训练模型，学习如何训练、验证、预测以及导出你自己的模型。
|
||||
keywords: Ultralytics, YOLO, YOLOv8, 姿态估计, 关键点检测, 物体检测, 预训练模型, 机器学习, 人工智能
|
||||
---
|
||||
|
||||
# 姿态估计
|
||||
|
|
@ -23,7 +23,7 @@
|
|||
<strong>观看：</strong>使用Ultralytics YOLOv8进行姿态估计。
|
||||
</p>
|
||||
|
||||
!!! tip "提示"
|
||||
!!! Tip "提示"
|
||||
|
||||
YOLOv8 _姿态_ 模型使用 `-pose` 后缀，例如 `yolov8n-pose.pt`。这些模型在 [COCO关键点](https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yaml) 数据集上进行了训练，并且适用于各种姿态估计任务。
|
||||
|
||||
|
|
@ -51,7 +51,7 @@
|
|||
|
||||
在COCO128姿态数据集上训练一个YOLOv8姿态模型。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -87,7 +87,7 @@ YOLO姿态数据集格式可详细找到在[数据集指南](/../datasets/pose/i
|
|||
|
||||
在COCO128姿态数据集上验证训练好的YOLOv8n姿态模型的准确性。没有参数需要传递，因为`模型`保存了其训练`数据`和参数作为模型属性。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -116,7 +116,7 @@ YOLO姿态数据集格式可详细找到在[数据集指南](/../datasets/pose/i
|
|||
|
||||
使用训练好的YOLOv8n姿态模型在图片上运行预测。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -143,7 +143,7 @@ YOLO姿态数据集格式可详细找到在[数据集指南](/../datasets/pose/i
|
|||
|
||||
将YOLOv8n姿态模型导出为ONNX、CoreML等不同格式。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
|
|||
|
|
@ -23,7 +23,7 @@ keywords: yolov8, 实例分割, Ultralytics, COCO数据集, 图像分割, 物体
|
|||
<strong>观看:</strong> 在Python中使用预训练的Ultralytics YOLOv8模型运行分割。
|
||||
</p>
|
||||
|
||||
!!! tip "提示"
|
||||
!!! Tip "提示"
|
||||
|
||||
YOLOv8分割模型使用`-seg`后缀，即`yolov8n-seg.pt`，并在[COCO](https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml)上进行预训练。
|
||||
|
||||
|
|
@ -50,7 +50,7 @@ keywords: yolov8, 实例分割, Ultralytics, COCO数据集, 图像分割, 物体
|
|||
|
||||
在COCO128-seg数据集上以640的图像尺寸训练YOLOv8n-seg模型共100个周期。想了解更多可用的参数，请查阅[配置](/../usage/cfg.md)页面。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -86,7 +86,7 @@ keywords: yolov8, 实例分割, Ultralytics, COCO数据集, 图像分割, 物体
|
|||
|
||||
在COCO128-seg数据集上验证已训练的YOLOv8n-seg模型的准确性。不需要传递任何参数，因为`model`保留了其训练的`data`和作为模型属性的设置。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -119,7 +119,7 @@ keywords: yolov8, 实例分割, Ultralytics, COCO数据集, 图像分割, 物体
|
|||
|
||||
使用已训练的YOLOv8n-seg模型在图像上进行预测。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
@ -146,7 +146,7 @@ keywords: yolov8, 实例分割, Ultralytics, COCO数据集, 图像分割, 物体
|
|||
|
||||
将YOLOv8n-seg模型导出为ONNX、CoreML等不同格式。
|
||||
|
||||
!!! example ""
|
||||
!!! Example "示例"
|
||||
|
||||
=== "Python"
|
||||
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue