Ultralytics-YOLO11-Modelle
Entwickle schnelle und präzise Vision AI in Echtzeit mit einer bewährten Modellfamilie, die für effizientes Training und eine effiziente Bereitstellung sowie ein breites Spektrum an Computer-Vision-Aufgaben konzipiert wurde.
YOLO11-Modellfamilie
YOLO11 umfasst fünf Größen von Nano bis Extra-Large für Objekterkennung, Segmentierung, Klassifizierung, Posenschätzung und orientierte Objekterkennung. Die folgenden Benchmarks für die Objekterkennung zeigen das Verhältnis von Genauigkeit zu Geschwindigkeit: Beginne mit der kleinsten Größe, die dein Genauigkeitsziel erreicht, und wähle nur dann ein größeres Modell, 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 |
Benchmarks für die YOLO11-Objekterkennung aus der Ultralytics-Dokumentation.
Weltweit führende Organisationen vertrauen uns
Die Wirkung unserer Modelle
Optimiere Abläufe in verschiedenen Branchen mit unseren hochmodernen Vision-AI-Modellen. Ultralytics sorgt für Geschwindigkeit, Genauigkeit und einfache Bedienung.
Die Entwicklung der Ultralytics-YOLO-Modelle
Sieh dir an, wie sich Ultralytics YOLO zu YOLO11 und der neuesten Generation YOLO26 für Computer Vision in Echtzeit weiterentwickelt hat.
Bis zu 10-mal schneller beschriften – mit intelligenter Annotation
Die Ultralytics Platform bietet dir ein Bild-Annotationstool, mit dem du schneller hochwertige Datensätze erstellst. Von intelligenter Annotation bis hin zu präziser manueller Bearbeitung: Diese Funktionen verkürzen die Zeit für die Bildbeschriftung, ohne die Qualität zu beeinträchtigen.
- Intelligente, von SAM unterstützte Annotation:Masken und Begrenzungsrahmen mit einem Klick.
- Unterstützung für alle KI-Aufgaben:Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Posenschätzung, OBB.
- Unterstützung universeller Formate:Du hast die Wahl zwischen YOLO, COCO und mehr.
- Teamprüfung und Versionsverwaltung:Klare Zusammenarbeit bei jedem Schritt.
Trainiere kostengünstig mit den besten GPUs
26 NVIDIA-GPUs ab 0,24 $/Std. – von Ampere bis Blackwell. Keine Aufschläge, keine Mindestabnahme, keine Vertragsbindung.
Überall bereitstellen
Exportiere in 22 Formate und stelle sie auf Edge-Geräten, in der Cloud und auf Mobilgeräten bereit.
Lösungen für verschiedene Branchen entdecken
Erfahre, wie Teams Computer Vision von Ultralytics 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 Computer-Vision-Modellen für Echtzeitanwendungen, die auf der Open-Source-Bibliothek von Ultralytics basiert. Über eine einheitliche API unterstützt das Modell Objekterkennung, Instanzsegmentierung, Bildklassifizierung, Posenschätzung und orientierte Objekterkennung – vom Training über die Validierung bis zur Bereitstellung. YOLO11 verbessert Genauigkeit und Effizienz gegenüber früheren Generationen und lässt sich weiterhin einfach für benutzerdefinierte Datensätze feinabstimmen. Einzelheiten zur Architektur, Benchmarks und Anwendungsbeispiele findest du in der YOLO11-Dokumentation.
YOLO11-Modelle sind für fünf Aufgaben verfügbar: Objekterkennung, Instanzsegmentierung, Bildklassifizierung, Posenschätzung und Erkennung orientierter Objekte. Für alle Aufgaben gilt derselbe Ablauf für Training, Validierung und Vorhersage.
Beginne mit YOLO11n, wenn Latenz, Speicherbedarf und Modellgröße besonders wichtig sind. YOLO11s und YOLO11m bieten für die meisten Produktionslasten ein ausgewogenes Verhältnis zwischen Geschwindigkeit und Genauigkeit, während YOLO11l und YOLO11x auf Genauigkeit ausgelegt sind, wenn mehr Rechenleistung verfügbar ist. Die YOLO11-Dokumentation enthält Benchmarks für jede Größe.
Verwende den Trainingsmodus der Ultralytics-Bibliothek oder öffne das offizielle YOLO11-Projekt auf Ultralytics Platform. Exportiere dein Modell nach dem Training in Formate wie ONNX, TensorRT, CoreML oder LiteRT.
YOLO11 wird weiterhin unterstützt und vielfach eingesetzt. Ultralytics YOLO26 ist die neueste Generation und der empfohlene Ausgangspunkt für neue Projekte. Beide Modellfamilien verwenden dieselbe API, daher musst du für den Wechsel von YOLO11 zu YOLO26 nur das Modell ändern.
Entwickle mit Ultralytics YOLO11
Trainiere, validiere, exportiere und stelle YOLO11-Modelle mit Ultralytics Platform bereit.