Ultralytics 在 GitHub 的《Octoverse 2024》报告中名列第 5 位

Ultralytics 首次投稿者如何反映更大的故事

Ultralytics成为 GitHub 为首次贡献者提供的顶级开源网站之一，这不仅仅是一项令人兴奋的成就，更是我们使命的直接体现。我们致力于让人工智能不仅是最先进的，而且是开放的、易懂的，让世界各地的开发者都能使用。

根据 GitHub 的《Octoverse 2024》报告，去年有超过 140 万名开发者首次贡献了自己的开源成果。这一激增不仅是一种趋势，更是一个强有力的信号。

‍

首次贡献是信任、可用性和真正社区影响力的最明显指标。当开发人员选择Ultralytics 作为迈出第一步的地方时，这意味着他们将我们的生态系统视为一个他们可以理解、贡献和共同成长的地方。

跻身全球前五名的项目证明，除了打造尖端工具外，我们还通过欢迎和扶持下一代开发人员和研究人员，帮助塑造人工智能的未来。 

这提醒我们，开放式创新不会因为速度快或华而不实而扩大规模，而是因为共享而扩大规模。简而言之，我们的动力来自于一个不断发展壮大、共同建设的全球社区。

人工智能激增的近况

接下来，让我们回过头来看看人工智能和开源的大趋势如何影响开发者的活动，以及Ultralytics 如何融入其中。

人工智能热潮从 2010 年代末开始慢慢兴起，但近年来，它的声势比以往任何时候都要大--它正在改变开发人员的构建方式。仅在 2024 年，GitHub 记录的生成式人工智能项目就同比增长了 98%，为公共和开源软件库贡献了近 10 亿次。这些数字表明，全球社区在实验、发布和扩展软件的方式上发生了重大转变。

Python 是这场运动的核心。2024 年，Python 正式成为 GitHub 上使用最多的编程语言，十多年来首次超过 JavaScript（传统上用于构建网站和网络应用程序的语言）。这一变化是由于机器学习、数据科学和人工智能等领域的影响力日益增长，而Python 是许多开发人员和研究人员的默认语言。 

‍

例如，常用于编写和运行Python 代码以及数据可视化和解释的工具Jupyter Notebooks 的使用率增长了 92%。这一增长是动手实验、数据分析和人工智能模型开发成为现代软件工作流程核心部分的直接结果，不仅在研究领域，在生产环境中也是如此。

Ultralytics 与全球人工智能浪潮的交汇点

对于Ultralytics 来说，这一趋势与我们的社区建设方式密切相关。开源的Ultralytics YOLO 模型处于人工智能可访问性与现实世界实用性的交汇点。从智能城市的边缘设备到机器人和制造业的视觉系统，世界各地的开发人员选择我们的工具，不仅是因为它们的性能，还因为它们易于理解、可适应不同的需求，并且在构建时注重可靠性。

随着全球开发者生态系统的不断扩大，我们每天都能看到新的贡献者、用例和创新出现。无论是在 Jupyter Notebooks 中进行实验的学生、将YOLO 集成到生产系统中的团队，还是探索开源人工智能的首次贡献者，这都是一种重新构想计算机视觉工具构建和使用方式的集体努力。 

Ultralytics GitHub 社区的影响

既然我们已经探讨了最近人工智能项目的增长情况，那就让我们花点时间来讨论一下Ultralytics GitHub 社区的杰出贡献吧。

从第一天起，Ultralytics 就是在开放的环境中建立起来的，世界各地的开发人员提供了宝贵的反馈、贡献和合作。我们的创始人兼首席执行官格伦-乔彻（Glenn Jocher）最初的愿景已经发展成为一个充满活力的全球社区。

在此，我们衷心感谢每一位参与这一旅程的用户--无论是贡献代码、提供反馈、测试功能，还是在 Github 上留下星星。没有你们，就没有Ultralytics 今天。 

正如 Glenn Jocher 所说："开源人工智能从一开始就是Ultralytics 的基础。每一份贡献都有助于我们突破人工智能的极限，我们正在共同打造真正能够改变世界的东西。

下面是Ultralytics GitHub 社区的影响一览：

• Ultralytics GitHub Stars: 100K stars
  ‍
• 8,500 万 Pip 下载
  ‍
• 每天使用Ultralytics pip 软件包训练 3M 个模型。

归根结底，开源人工智能社区的每一份贡献都能推动发展，加强全球合作。这对Ultralytics 来说至关重要，也是全球支持开源人工智能的更大运动的一部分。

有趣的是，GitHub 的 2024 年开源调查显示，开源领域正变得越来越多元化，30% 的受访者现在认为自己是少数族裔，比上次调查增加了 43%。随着全球开发者社区的不断扩大，预计这种多样性还将进一步增长，尤其是在印度等快速发展的地区，印度有望在2028年成为最大的开发者社区，巴西和尼日利亚也是如此。

‍

通过Ultralytics YOLO实现从开源到实际应用案例的转变

有时，数字很难直观地反映其在现实世界中的影响。然而，当你看看Ultralytics YOLO 模型在各行各业的应用时，开源人工智能的影响就一目了然了。

Ultralytics YOLO 模型正在重新定义野生动物保护、安全系统和智能城市等领域。例如，在野生动物保护领域，YOLO 驱动的无人机可用于跟踪濒危物种并监测其环境，为研究人员提供实时见解，帮助保护这些动物。 

同样，在安全系统中，YOLO 可以帮助检测威胁，从而在高风险情况下做出更快的反应和更好的保护。同时，在智慧城市中，YOLO 模型可用于管理交通、监控公共空间，并通过视觉输入提供最新数据，从而提高整体安全性。

计算机视觉领域的最新进展，如 Ultralytics YOLOv8到 Ultralytics YOLO11表明该技术已经取得了长足的进步。尤其是YOLO11，它的处理速度更快，精度更高，在实时目标检测等任务中更加有效。 

它可以用于自动驾驶汽车的障碍物检测，在医疗保健领域，它可以分析医疗图像，加快诊断速度。这些实际应用表明，像YOLO 这样的开源人工智能模型可以解决实际问题，并以有意义的方式改善世界。

‍

主要收获

在 GitHub 的 Octoverse 2024 报告中，Ultralytics 因吸引了最多的首次贡献者而排名第 5，这是一个重要的里程碑，反映了人们对开源人工智能日益增长的兴趣。这一认可以及我们的模型在野生动物保护、安全系统和智能城市等领域的实际应用，表明计算机视觉正在被广泛采用。

像Ultralytics 这样的开源项目是由协作和全球参与推动的。我们很荣幸能成为这一运动的一部分，并将继续致力于扩大 Vision AI 的可访问性，为全球开发者赋能。

如果您从未为开源项目做出过贡献，现在正是最佳时机。加入我们的全球社区吧。无论您是刚刚起步还是正在大规模部署，这里都有您的一席之地。 

探索我们的GitHub 存储库以参与其中，查看我们利用计算机视觉解决方案的许可选项，并了解YOLO 模型如何在农业人工智能和医疗保健中的视觉人工智能等领域产生实际影响。