Modèles Ultralytics YOLO11
Crée une IA visuelle rapide et précise en temps réel grâce à une famille de modèles éprouvée, conçue pour un entraînement efficace, le déploiement et un large éventail de tâches de vision par ordinateur.
Famille de modèles YOLO11
YOLO11 comprend cinq tailles, de nano à extra-large, pour la détection, la segmentation, la classification, l’estimation de pose et la détection orientée. Les benchmarks de détection ci-dessous montrent les plages de précision et de vitesse : commence par la plus petite taille qui atteint ton objectif de précision et augmente-la uniquement si ta charge de travail l’exige.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO11 model
model = YOLO("yolo11n.pt")
# Run inference
results = model("image.jpg")| Modèle | Taille (px) | mAP 50-95 | CPU ONNX (ms) | T4 TensorRT (ms) | Paramètres (M) | FLOPs (G) |
|---|---|---|---|---|---|---|
| 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 de détection YOLO11 issus de la documentation Ultralytics.
Adopté par les plus grandes organisations du monde
L’impact de nos modèles
Rationalise les processus dans tous les secteurs grâce à nos modèles de vision par IA de pointe. Ultralytics met la vitesse, la précision et la facilité d’utilisation à ta portée.
L’évolution des modèles Ultralytics YOLO
Découvre comment Ultralytics YOLO a évolué jusqu’à YOLO11 et à la dernière génération YOLO26 pour la vision par ordinateur en temps réel.
Étiquette jusqu’à 10 fois plus vite grâce à l’annotation intelligente
Ultralytics Platform te fournit un outil d’annotation d’images pour créer plus rapidement des jeux de données de haute qualité. De l’annotation intelligente à la retouche manuelle précise, ces fonctionnalités sont conçues pour réduire le temps d’annotation des images sans sacrifier la qualité.
- Annotation intelligente optimisée par SAM :Masques et boîtes englobantes en un clic.
- Prise en charge complète des tâches d’IA :Détection, segmentation d’instances, segmentation sémantique, classification, estimation de pose, OBB.
- Prise en charge universelle des formats :Choisis YOLO, COCO ou un autre format.
- Révision et gestion des versions en équipe :Une collaboration fluide à chaque étape.
Entraîne tes modèles sur les meilleurs GPU à moindre coût
26 GPU NVIDIA à partir de 0,24 $/h — de l’architecture Ampere à Blackwell. Aucun supplément, aucun minimum, aucun engagement.
Déploie partout
Exporte vers 22 formats et déploie sur des appareils en périphérie, dans le cloud et sur mobile.
Découvrir les solutions sectorielles
Découvre comment les équipes utilisent la vision par ordinateur d’Ultralytics dans des environnements de production.
Agriculture
Automobile
Santé
Logistique
Industrie manufacturière
Commerce de détail
Robotique
Agriculture
Automobile
Santé
Logistique
Industrie manufacturière
Commerce de détail
Robotique
Agriculture
Automobile
Santé
Logistique
Industrie manufacturière
Commerce de détail
Robotique
Foire aux questions
Ultralytics YOLO11 est une famille de modèles de vision par ordinateur en temps réel reposant sur la bibliothèque open source Ultralytics. Elle prend en charge la détection d’objets, la segmentation d’instances, la classification d’images, l’estimation de pose et la détection d’objets orientés, avec une API cohérente pour l’entraînement, la validation et le déploiement. YOLO11 améliore la précision et l’efficacité par rapport aux générations précédentes, tout en restant facile à ajuster sur des jeux de données personnalisés. Consulte la documentation YOLO11 pour en savoir plus sur l’architecture, les benchmarks et les exemples d’utilisation.
Les modèles YOLO11 sont disponibles pour cinq tâches : détection d’objets, segmentation d’instances, classification d’images, estimation de pose et détection d’objets orientés. Toutes les tâches partagent le même flux de travail pour l’entraînement, la validation et la prédiction.
Commence avec YOLO11n lorsque la latence, la mémoire et la taille du modèle sont tes principales priorités. YOLO11s et YOLO11m équilibrent vitesse et précision pour la plupart des charges de travail en production, tandis que YOLO11l et YOLO11x privilégient la précision lorsque davantage de ressources de calcul sont disponibles. La documentation YOLO11 comprend des benchmarks pour chaque taille.
Utilise le mode d’entraînement de la bibliothèque Ultralytics ou ouvre le projet YOLO11 officiel sur Ultralytics Platform. Après l’entraînement, exporte ton modèle dans des formats tels que ONNX, TensorRT, CoreML ou LiteRT.
YOLO11 reste une famille de modèles prise en charge et largement déployée. Ultralytics YOLO26 est la génération la plus récente et le point de départ recommandé pour les nouveaux projets. Les deux familles partagent la même API : passer de YOLO11 à YOLO26 nécessite donc uniquement de changer de modèle.
Développe avec Ultralytics YOLO11
Entraîne, valide, exporte et déploie des modèles YOLO11 avec Ultralytics Platform.