Ultralytics YOLO11 模型
使用久经考验的模型系列构建快速、准确的实时视觉 AI，该系列专为高效训练、部署和广泛的计算机视觉任务而设计。
深受全球领先组织信赖
我们模型的影响力
利用我们尖端的视觉 AI 模型简化跨行业的流程。由 Ultralytics 提供支持，兼具速度、准确性和易用性。
Ultralytics YOLO 模型的发展历程
查看 Ultralytics YOLO 如何演进为 YOLO11 以及用于实时计算机视觉的最新 YOLO26 代。
通过可访问的 PyTorch 工作流程实现快速、准确的检测。
扩展了跨检测、分割、分类、姿态和 OBB 的统一工作流程。
在保持熟悉的 Ultralytics 工作流程的同时，提高了准确性、速度和效率。
最新一代模型，专为高效的边缘部署和端到端推理而优化。
利用智能标注，标注速度提升至多 10 倍
Ultralytics Platform 为你提供图像标注工具，助你更快地构建高质量数据集。从智能标注到精确的手动编辑，这些功能旨在缩短图像标注时间，同时保证高质量。
- 基于 SAM 的智能标注：一键生成掩码和边界框（BBox）。
- 全面的 AI 任务覆盖：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、VOC 等格式。
- 团队评审与版本控制：每一步都能实现清晰的协作。
以更低成本在最好的 GPU 上进行训练
26 款 NVIDIA GPU，价格低至 $0.24/小时 — 从 Ampere 到 Blackwell。无加价、无最低消费、无承诺。
探索行业解决方案
了解团队如何在生产环境中应用 Ultralytics 计算机视觉。
农业 AI
汽车 AI
医疗保健 AI
物流 AI
制造业 AI
零售 AI
机器人 AI
农业 AI
汽车 AI
医疗保健 AI
物流 AI
制造业 AI
零售 AI
机器人 AI
农业 AI
汽车 AI
医疗保健 AI
物流 AI
制造业 AI
零售 AI
机器人 AI
常见问题
Ultralytics YOLO11 是基于 Ultralytics open-source library 构建的实时计算机视觉模型系列。它支持目标检测、实例分割、图像分类、姿态估计和旋转目标检测（OBB），在训练、验证和部署过程中使用统一的 API。与早期版本相比，YOLO11 提高了准确性和效率，同时仍能轻松在自定义数据集上进行微调。查看 YOLO11 documentation 以获取架构细节、基准测试和使用示例。
YOLO11 模型适用于五项任务：object detection、instance segmentation、image classification、pose estimation 和 oriented object detection。每项任务共享相同的训练、验证和预测工作流，因此你可以通过更换模型权重而非代码来在不同任务间切换。
当延迟、内存和模型大小至关重要时（例如在移动设备或边缘设备上），请从 YOLO11n 开始。YOLO11s 和 YOLO11m 在大多数生产工作负载中平衡了速度和准确性，而 YOLO11l 和 YOLO11x 在拥有更多算力时可提供最高精度。YOLO11 docs 包含了各种规格的完整速度和准确性基准测试，你也可以在 Ultralytics Platform 上通过训练在自己的数据上比较不同变体。
你可以使用 Ultralytics 库的 train mode 用几行 Python 代码训练 YOLO11，或者在 Ultralytics Platform 上无需编写任何代码即可完成，该平台将标注、云端 GPU 训练和部署整合在一个工作流中。预训练权重使得在自定义数据集上进行微调变得十分快速。训练完成后，将你的模型 export 为 ONNX、TensorRT、CoreML 或 LiteRT 等格式进行部署。
YOLO11 仍然是一个受支持且广泛部署的模型系列。Ultralytics YOLO26 是最新一代产品，也是新项目的推荐起点，其端到端设计专为高效边缘部署而优化。这两个系列共享相同的 API，因此你可以今天使用 YOLO11 进行开发，通过一行代码的更改即可采用 YOLO26。查看 Ultralytics models docs 获取完整对比。
开始使用 Ultralytics YOLO11
使用 Ultralytics Platform 对 YOLO11 模型进行训练、验证、导出和部署。