Ultralytics YOLO11 模型
借助成熟的模型系列，构建快速、精准的实时视觉 AI。该系列专为高效训练和部署以及广泛的计算机视觉任务而设计。
YOLO11 模型系列
YOLO11 提供从 nano 到 extra-large 的五种尺寸，涵盖目标检测、分割、分类、姿态估计和定向目标检测。下方的检测基准展示了准确率与速度的范围：从满足准确率目标的最小尺寸开始，仅在工作负载需要时再扩大模型尺寸。
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO11 model
model = YOLO("yolo11n.pt")
# Run inference
results = model("image.jpg")| 模型 | 尺寸（像素） | mAP 50-95 | CPU ONNX（毫秒） | T4 TensorRT（毫秒） | 参数量（百万） | FLOPs（十亿） |
|---|---|---|---|---|---|---|
| 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 文档中的 YOLO11 检测基准。
深受全球领先机构信赖
我们的模型影响力
借助我们尖端的视觉 AI 模型，优化各行业流程。Ultralytics 为你带来速度、准确性和易用性。
Ultralytics YOLO 模型的演进
了解 Ultralytics YOLO 如何发展为 YOLO11 以及最新一代 YOLO26，助力实时计算机视觉。
借助智能标注，提速至多 10 倍
Ultralytics Platform 为你提供图像标注工具，帮助你更快地构建高质量数据集。从智能标注到精准的手动编辑，这些功能旨在缩短图像标注时间，同时不牺牲质量。
- SAM 驱动的智能标注：一键生成掩码和边界框。
- 全面覆盖 AI 任务：目标检测、实例分割、语义分割、分类、姿态估计、OBB。
- 通用格式支持：你可以选择 YOLO、COCO 等格式。
- 团队审核与版本管理：协作过程清晰可见，步步有序。
以更低成本使用顶级 GPU 训练
26 款 NVIDIA GPU，每小时仅需 $0.24 起——涵盖 Ampere 到 Blackwell。无加价、无最低消费、无承诺。
探索行业解决方案
了解各团队如何在生产环境中应用 Ultralytics 计算机视觉。
农业
汽车
医疗保健
物流
制造业
零售
机器人
农业
汽车
医疗保健
物流
制造业
零售
机器人
农业
汽车
医疗保健
物流
制造业
零售
机器人
常见问题
Ultralytics YOLO11 是基于 Ultralytics 开源库构建的实时计算机视觉模型系列。它通过统一的 API 支持目标检测、实例分割、图像分类、姿态估计和定向目标检测，涵盖训练、验证和部署。YOLO11 在提升准确率和效率的同时，仍然易于针对自定义数据集进行微调。有关架构详情、基准和使用示例，请参阅 YOLO11 文档。
如果延迟、内存和模型大小最重要，可以从 YOLO11n 入手。对于大多数生产工作负载，YOLO11s 和 YOLO11m 在速度与精度之间取得了平衡；如果算力更充足，YOLO11l 和 YOLO11x 则更注重精度。YOLO11 文档提供了所有规格的基准测试数据。
使用 Ultralytics 库的训练模式，或打开官方的 Ultralytics Platform YOLO11 项目。训练完成后，将模型导出为 ONNX、TensorRT、CoreML 或 LiteRT 等格式。
YOLO11 仍是受支持且广泛部署的模型系列。Ultralytics YOLO26是最新一代模型，也是新项目的推荐起点。这两个系列共用相同的 API，因此从 YOLO11 迁移到 YOLO26 只需更换模型。
使用 Ultralytics YOLO11 构建
使用 Ultralytics Platform 训练、验证、导出和部署 YOLO11 模型。