Модели Ultralytics YOLO11
Создавай быстрые и точные системы компьютерного зрения на базе ИИ для работы в реальном времени. Это проверенное семейство моделей предназначено для эффективного обучения и развёртывания и поддерживает широкий спектр задач компьютерного зрения.
Семейство моделей YOLO11
Семейство YOLO11 включает пять размеров — от nano до extra-large — для обнаружения объектов, сегментации, классификации, оценки позы и обнаружения объектов с заданной ориентацией. Приведённые ниже результаты тестирования моделей обнаружения показывают диапазон точности и скорости: начни с самой компактной модели, которая обеспечивает нужную точность, и переходи к более крупной, только если этого требует задача.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO11 model
model = YOLO("yolo11n.pt")
# Run inference
results = model("image.jpg")| Модель | Размер (пикс.) | mAP 50–95 | CPU ONNX (мс) | T4 TensorRT (мс) | Параметры (млн) | FLOPs (млрд) |
|---|---|---|---|---|---|---|
| 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 |
Результаты тестирования YOLO11 для обнаружения объектов по документации Ultralytics.
Нам доверяют ведущие организации мира
Влияние наших моделей
Оптимизируй процессы в разных отраслях с помощью наших передовых моделей компьютерного зрения на базе ИИ. Скорость, точность и простота использования — всё это обеспечивают технологии Ultralytics.
Эволюция моделей Ultralytics YOLO
Узнай, как Ultralytics YOLO эволюционировала до YOLO11 и последнего поколения YOLO26 для компьютерного зрения в реальном времени.
Размечай данные до 10 раз быстрее с помощью интеллектуальной аннотации
Ultralytics Platform предоставляет инструмент аннотации изображений, который помогает быстрее создавать качественные наборы данных. От интеллектуальной аннотации до точного ручного редактирования — эти функции сокращают время разметки изображений без потери качества.
- Интеллектуальная аннотация на базе SAM:Маски и ограничивающие рамки одним щелчком.
- Полный охват задач ИИ:Обнаружение объектов, сегментация экземпляров, семантическая сегментация, классификация, оценка позы, OBB.
- Поддержка универсальных форматов:Выбирай YOLO, COCO и другие форматы.
- Командная проверка и управление версиями:Понятное взаимодействие на каждом этапе.
Обучай модели на лучших GPU дешевле
26 GPU NVIDIA от $0,24 в час — от Ampere до Blackwell. Без наценок, минимальных заказов и обязательств.
Развёртывай где угодно
Экспортируй в 22 формата и развёртывай на периферийных устройствах, в облаке и на мобильных устройствах.
Решения для разных отраслей
Узнай, как команды применяют компьютерное зрение Ultralytics в производственной среде.
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Часто задаваемые вопросы
Ultralytics YOLO11 — это семейство моделей компьютерного зрения для работы в реальном времени, созданное на базе библиотеки Ultralytics с открытым исходным кодом. Единый API для обучения, валидации и развёртывания поддерживает обнаружение объектов, сегментацию экземпляров, классификацию изображений, оценку позы и обнаружение объектов с заданной ориентацией. YOLO11 обеспечивает более высокую точность и эффективность по сравнению с предыдущими поколениями и при этом упрощает дообучение на собственных наборах данных. Подробности об архитектуре, результатах тестирования и примерах использования смотри в документации YOLO11.
Модели YOLO11 доступны для пяти задач: обнаружение объектов, сегментация экземпляров, классификация изображений, оценка позы и обнаружение ориентированных объектов. Для всех задач используется единый рабочий процесс обучения, валидации и предсказания.
Начни с YOLO11n, если важнее всего задержка, потребление памяти и размер модели. YOLO11s и YOLO11m обеспечивают баланс скорости и точности для большинства рабочих нагрузок в продакшене, а YOLO11l и YOLO11x ориентированы на точность, если доступно больше вычислительных ресурсов. В документации YOLO11 приведены результаты тестирования для всех размеров.
Используй режим обучения библиотеки Ultralytics или открой официальный проект YOLO11 на Ultralytics Platform. После обучения экспортируй модель в такие форматы, как ONNX, TensorRT, CoreML или LiteRT.
Семейство моделей YOLO11 по-прежнему поддерживается и широко используется. Ultralytics YOLO26 — это последнее поколение и рекомендуемый выбор для новых проектов. У обоих семейств общий API, поэтому для перехода с YOLO11 на YOLO26 достаточно сменить модель.
Создавай решения на базе Ultralytics YOLO11
Обучай, проверяй, экспортируй и развёртывай модели YOLO11 с помощью Ultralytics Platform.