Modèles Ultralytics YOLO11
Construis une vision par ordinateur en temps réel, rapide et précise, avec une famille de modèles éprouvée, conçue pour un entraînement, un déploiement efficaces et un large éventail de tâches de vision par ordinateur.
Famille de modèles YOLO11
YOLO11 couvre 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 la plage précision-vitesse : commence avec la plus petite taille qui répond à ton objectif de précision et n'augmente l'échelle que lorsque 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) | Params (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 de détection YOLO11 tirés de la documentation Ultralytics.
Approuvé par les organisations leaders dans le monde
L'impact de nos modèles
Optimise tes processus dans tous les secteurs grâce à nos modèles de vision par ordinateur de pointe. Vitesse, précision et facilité d'utilisation propulsées par Ultralytics.
L'évolution des modèles Ultralytics YOLO
Découvre comment Ultralytics YOLO a évolué vers YOLO11 et la dernière génération YOLO26 pour la vision par ordinateur en temps réel.
Étiquette jusqu'à 10 fois plus vite grâce à l'annotation intelligente
La plateforme Ultralytics te fournit l'outil d'annotation d'images pour créer des jeux de données de haute qualité plus rapidement. De l'annotation intelligente à l'édition manuelle précise, ces fonctionnalités sont conçues pour réduire le temps d'étiquetage des images sans sacrifier la qualité.
- Annotation intelligente propulsée par SAM : Masques et BBox en un seul clic.
- Couverture complète des tâches d'IA : Détection, segmentation d'instance, segmentation sémantique, classification, pose, OBB.
- Prise en charge universelle des formats : Ton choix de YOLO, COCO, et plus encore.
- Revue d'équipe et versioning : Une collaboration claire à chaque étape.
Entraîne sur les meilleurs GPU pour moins cher
26 GPU NVIDIA à partir de 0,24 $/heure — de Ampere à Blackwell. Pas de majoration, pas de minimum, pas d'engagement.
Explorer les solutions industrielles
Découvre comment les équipes appliquent la vision par ordinateur d'Ultralytics dans les environnements de production.
IA dans l'agriculture
IA dans l'automobile
IA dans la santé
IA dans la logistique
IA dans la fabrication
IA dans le commerce de détail
IA en robotique
IA dans l'agriculture
IA dans l'automobile
IA dans la santé
IA dans la logistique
IA dans la fabrication
IA dans le commerce de détail
IA en robotique
IA dans l'agriculture
IA dans l'automobile
IA dans la santé
IA dans la logistique
IA dans la fabrication
IA dans le commerce de détail
IA en robotique
Questions fréquemment posées
Ultralytics YOLO11 est une famille de modèles de vision par ordinateur en temps réel construits sur la bibliothèque open-source Ultralytics. Elle prend en charge la détection d'objets, la segmentation d'instance, la classification d'images, l'estimation de pose et la détection d'objets orientés avec une API cohérente unique 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 les détails de l'architecture, les benchmarks et des exemples d'utilisation.
Les modèles YOLO11 sont disponibles pour cinq tâches : object detection, instance segmentation, image classification, pose estimation, et oriented object detection. Chaque tâche partage le même flux de travail d'entraînement, de validation et de prédiction.
Commence avec YOLO11n lorsque la latence, la mémoire et la taille du modèle sont essentielles. 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 YOLO11 docs inclut des benchmarks pour chaque taille.
Utilise le train mode de la bibliothèque Ultralytics, ou ouvre le YOLO11 project on Ultralytics Platform officiel. Après l'entraînement, export ton modèle vers des formats tels que ONNX, TensorRT, CoreML, ou LiteRT.
YOLO11 reste une famille de modèles supportée et largement déployée. Ultralytics YOLO26 est la dernière génération et le point de départ recommandé pour les nouveaux projets. Les deux familles partagent la même API, donc passer de YOLO11 à YOLO26 ne nécessite qu'un changement de modèle.
Construis avec Ultralytics YOLO11
Entraîne, valide, exporte et déploie des modèles YOLO11 avec la plateforme Ultralytics.