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。
YOLO11 模型系列
YOLO11 提供从 nano 到 extra-large 五种规模，涵盖检测、分割、分类、姿态估计和定向检测任务。下方的检测基准测试展示了精度与速度的范围：从满足你精度目标的最小尺寸开始，仅在工作负载需要时再进行扩展。
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO11 model
model = YOLO("yolo11n.pt")
# Run inference
results = model("image.jpg")| 模型 | 尺寸 (px) | mAP 50-95 | CPU ONNX (ms) | T4 TensorRT (ms) | 参数量 (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 |
来自 Ultralytics 文档的 YOLO11 检测基准测试。
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。
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：你的 YOLO、COCO 及更多选择。
- 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。
如果你最看重延迟、内存和模型大小，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精度，而 YOLO11l 和 YOLO11x 则在算力充足时优先考虑精度。YOLO11 文档 包含了每种尺寸的基准测试结果。
使用 Ultralytics 库的 训练模式，或在 Ultralytics 平台上打开官方 YOLO11 项目。训练完成后，将你的模型 导出 为 ONNX、TensorRT、CoreML 或 LiteRT 等格式。
YOLO11 仍然是一个受支持且被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。这两个系列共享相同的 API，因此从 YOLO11 迁移到 YOLO26 只需更换模型即可。
使用 Ultralytics YOLO11 进行构建
使用 Ultralytics Platform 对 YOLO11 模型进行训练、验证、导出和部署。