Ultralytics YOLO11 Modelle
Entwickle schnelle und präzise Echtzeit-Vision-KI mit einer bewährten Modellfamilie, die für effizientes Training, Deployment und eine Vielzahl an Computer-Vision-Aufgaben entwickelt wurde.
YOLO11 Modellfamilie
YOLO11 umfasst fünf Größen von nano bis extra-large für Detektion, Segmentierung, Klassifizierung, Pose und orientierte Detektion. Die unten stehenden Detektions-Benchmarks zeigen das Genauigkeits-Geschwindigkeits-Spektrum: Beginne mit der kleinsten Größe, die dein Genauigkeitsziel erfüllt, und skaliere nur dann hoch, wenn die Arbeitslast es erfordert.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO11 model
model = YOLO("yolo11n.pt")
# Run inference
results = model("image.jpg")| Modell | Größe (px) | mAP 50-95 | CPU ONNX (ms) | T4 TensorRT (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 ± 0.8 | 1.5 ± 0.0 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 ± 1.2 | 2.5 ± 0.0 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 ± 2.0 | 4.7 ± 0.1 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 ± 1.4 | 6.2 ± 0.1 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 ± 6.7 | 11.3 ± 0.2 | 56.9 | 194.9 |
YOLO11 Detektions-Benchmarks aus der Ultralytics Dokumentation.
Vertrauenswürdig für die weltweit führenden Organisationen
Die Wirkung unserer Modelle
Optimiere Prozesse branchenübergreifend mit unseren hochmodernen Vision-KI-Modellen. Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit, bereitgestellt von Ultralytics.
Die Entwicklung der Ultralytics YOLO Modelle
Sieh dir an, wie sich Ultralytics YOLO zu YOLO11 und der neuesten YOLO26-Generation für Echtzeit-Computer-Vision entwickelt hat.
Annotiere bis zu 10x schneller mit intelligenter Annotation
Die Ultralytics Platform bietet dir das Bildannotationstool, um schneller hochwertige Datensätze zu erstellen. Von intelligenter Annotation bis hin zur präzisen manuellen Bearbeitung sind diese Funktionen darauf ausgelegt, die Zeit für die Bildbeschriftung zu verkürzen, ohne dabei an Qualität einzubüßen.
- SAM-gestützte intelligente Annotation: Masken und Bounding Boxes mit nur einem Klick.
- Vollständige Abdeckung von KI-Aufgaben: Detektion, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Pose, OBB.
- Unterstützung universeller Formate: Deine Wahl aus YOLO, COCO und mehr.
- Team-Review und Versionierung: Klare Zusammenarbeit bei jedem Schritt.
Trainiere auf den besten GPUs für weniger Geld
26 NVIDIA GPUs ab $0,24/Std. – von Ampere bis Blackwell. Kein Aufschlag, keine Mindestlaufzeiten, keine Verpflichtung.
Branchenlösungen erkunden
Sieh dir an, wie Teams Ultralytics Computer Vision in Produktionsumgebungen einsetzen.
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Häufig gestellte Fragen
Ultralytics YOLO11 ist eine Familie von Echtzeit-Computer-Vision-Modellen, die auf der Ultralytics Open-Source-Bibliothek aufbaut. Sie unterstützt Objekterkennung, Instanzsegmentierung, Bildklassifizierung, Pose-Schätzung und orientierte Objekterkennung mit einer einheitlichen API für Training, Validierung und Bereitstellung. YOLO11 verbessert Genauigkeit und Effizienz gegenüber früheren Generationen und bleibt dabei einfach auf benutzerdefinierten Datensätzen feinabzustimmen. Weitere Informationen zur Architektur, Benchmarks und Anwendungsbeispiele findest du in der YOLO11-Dokumentation.
YOLO11-Modelle sind für fünf Aufgaben verfügbar: Objekterkennung, Instanzsegmentierung, Bildklassifizierung, Pose-Schätzung und orientierte Objekterkennung. Jede Aufgabe nutzt denselben Workflow für Training, Validierung und Vorhersage.
Beginne mit YOLO11n, wenn Latenz, Speicherbedarf und Modellgröße am wichtigsten sind. YOLO11s und YOLO11m bieten eine ausgewogene Balance zwischen Geschwindigkeit und Genauigkeit für die meisten Produktions-Workloads, während YOLO11l und YOLO11x die Genauigkeit priorisieren, wenn mehr Rechenleistung verfügbar ist. Die YOLO11-Dokumentation enthält Benchmarks für jede Größe.
Nutze den Train-Modus der Ultralytics-Bibliothek oder öffne das offizielle YOLO11-Projekt auf der Ultralytics Platform. Nach dem Training kannst du dein Modell in Formate wie ONNX, TensorRT, CoreML oder LiteRT exportieren.
YOLO11 bleibt eine unterstützte und weit verbreitete Modellfamilie. Ultralytics YOLO26 ist die neueste Generation und der empfohlene Ausgangspunkt für neue Projekte. Beide Familien teilen sich dieselbe API, sodass für den Umstieg von YOLO11 auf YOLO26 lediglich eine Änderung des Modells erforderlich ist.
Entwickle mit Ultralytics YOLO11
Trainiere, validiere, exportiere und implementiere YOLO11-Modelle mit der Ultralytics Platform.