Ultralytics YOLO11 modelleri
Verimli eğitim, dağıtım ve çok çeşitli bilgisayarlı görü görevleri için tasarlanmış kanıtlanmış bir model ailesiyle hızlı ve doğru gerçek zamanlı bilgisayarlı görü yapay zekası oluştur.
YOLO11 model ailesi
YOLO11, algılama, segmentasyon, sınıflandırma, poz tahmini ve yönelimli algılama genelinde nano boyuttan ekstra büyük boyuta kadar beş farklı ölçek sunar. Aşağıdaki algılama kıyaslamaları doğruluk-hız aralığını göstermektedir: doğruluk hedefini karşılayan en küçük boyutla başla ve yalnızca iş yükü gerektirdiğinde ölçeği artır.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO11 model
model = YOLO("yolo11n.pt")
# Run inference
results = model("image.jpg")| Model | Boyut (px) | mAP 50-95 | CPU ONNX (ms) | T4 TensorRT (ms) | Parametreler (M) | FLOP'lar (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 |
Ultralytics belgelerinden YOLO11 algılama kıyaslamaları.
Dünyanın önde gelen kuruluşlarının güvendiği
Modellerimizin etkisi
Son teknoloji bilgisayarlı görü yapay zeka modellerimizle sektörler genelinde süreçleri kolaylaştırın. Ultralytics tarafından desteklenen hız, doğruluk ve kullanım kolaylığı.
Ultralytics YOLO modellerinin evrimi
Ultralytics YOLO'nun nasıl YOLO11'e ve gerçek zamanlı bilgisayarlı görü için en son YOLO26 nesline dönüştüğünü görün.
Akıllı etiketleme ile 10 kata kadar daha hızlı etiketle
Ultralytics Platform, yüksek kaliteli veri kümelerini daha hızlı oluşturman için gereken görüntü etiketleme aracını sana sunar. Akıllı etiketlemeden hassas manuel düzenlemeye kadar bu özellikler, kaliteden ödün vermeden görüntü etiketleme süresini azaltmak için tasarlanmıştır.
- SAM destekli akıllı etiketleme: Tek tıkla maskeler ve sınırlayıcı kutular.
- Tam AI görev kapsamı: Algılama, örnek segmentasyonu, anlamsal segmentasyon, sınıflandırma, poz tahmini, OBB.
- Evrensel format desteği: YOLO, COCO ve daha fazlası arasından seçimini yapabilirsin.
- Ekip incelemesi ve sürüm yönetimi: Her adımda net iş birliği.
En İyi GPU'lar üzerinde daha ucuza eğitim yapın
Ampere'den Blackwell'e kadar 26 NVIDIA GPU, saatlik 0,24$ başlangıç fiyatıyla. Ek ücret yok, alt limit yok, taahhüt yok.
Sektörel çözümleri keşfedin
Ekiplerin Ultralytics bilgisayarlı görü teknolojisini üretim ortamlarında nasıl uyguladığını görün.
Tarımda yapay zeka
Otomotivde yapay zeka
Sağlıkta yapay zeka
Lojistikte yapay zeka
Üretimde yapay zeka
Perakendede yapay zeka
Robotikte yapay zeka
Tarımda yapay zeka
Otomotivde yapay zeka
Sağlıkta yapay zeka
Lojistikte yapay zeka
Üretimde yapay zeka
Perakendede yapay zeka
Robotikte yapay zeka
Tarımda yapay zeka
Otomotivde yapay zeka
Sağlıkta yapay zeka
Lojistikte yapay zeka
Üretimde yapay zeka
Perakendede yapay zeka
Robotikte yapay zeka
Sıkça sorulan sorular
Ultralytics YOLO11, Ultralytics açık kaynak kütüphanesi üzerine inşa edilmiş gerçek zamanlı bilgisayarlı görü modelleri ailesidir. Eğitim, doğrulama ve dağıtım boyunca tek bir tutarlı API ile nesne algılama, örnek segmentasyonu, görüntü sınıflandırma, poz tahmini ve yönlendirilmiş nesne algılamayı destekler. YOLO11, özel veri kümelerinde kolayca ince ayar yapılabilir kalırken önceki nesillere göre doğruluğu ve verimliliği artırır. Mimari ayrıntılar, karşılaştırmalı değerlendirmeler ve kullanım örnekleri için YOLO11 dokümantasyonuna bak.
YOLO11 modelleri beş görev için kullanılabilir: nesne algılama, örnek bölümleme, görüntü sınıflandırma, poz tahmini ve yönelimli nesne algılama. Her görev aynı eğitim, doğrulama ve tahmin iş akışını paylaşır.
Gecikme, bellek ve model boyutu en önemli olduğunda YOLO11n ile başla. YOLO11s ve YOLO11m çoğu üretim iş yükü için hız ve doğruluk dengesi sağlarken, YOLO11l ve YOLO11x daha fazla bilgi işlem gücü mevcut olduğunda doğruluğa öncelik verir. YOLO11 belgeleri, her boyut için karşılaştırmalı değerlendirmeleri içerir.
Ultralytics kütüphanesinin eğitim modunu kullan veya Ultralytics Platform üzerindeki resmi YOLO11 projesini aç. Eğitimden sonra, modelini ONNX, TensorRT, CoreML veya LiteRT gibi formatlara dışa aktar.
YOLO11, desteklenen ve yaygın olarak kullanılan bir model ailesi olmaya devam ediyor. Ultralytics YOLO26 en son nesildir ve yeni projeler için önerilen başlangıç noktasıdır. Her iki aile de aynı API'yi paylaşır, bu nedenle YOLO11'den YOLO26'ya geçmek yalnızca bir model değişikliği gerektirir.
Ultralytics YOLO11 ile geliştir
YOLO11 modellerini Ultralytics Platform ile eğit, doğrula, dışa aktar ve dağıt.