非常高兴地向大家介绍 Ultralytics YOLO系列的新模型： YOLO11！ YOLO11 在以往 YOLO 模型基础上带来了一系列强大的功能和优化，使其速度更快、更准确、用途更广泛。主要改进包括

• 增强了特征提取功能，从而可以更精确地捕捉细节
• 以更少的参数实现更高的精度
• 更快的处理速度，从而显著提高了实时性能

了解 YOLO11

YOLO11为YOLO系列开启了新的篇章，提供一个功能更强大、更通用的模型，将计算机视觉技术推向了新的高度。凭借其精炼的架构和增强的功能，YOLO11的性能和精度更胜一筹。Ultralytics的创始人兼首席执行官Glenn Jocher分享道：“YOLO11旨在打造一款既强大又实用的模型，以满足现实世界应用的需求。其改进后的效率和准确性使其成为一款强大的工具，可以适应各行各业面临的独特挑战。我迫不及待地想看到视觉AI社区如何利用YOLO11创造创新解决方案，将计算机视觉技术提升至新的层级。”

以下是 YOLO11 支持的计算机视觉任务

• 目标检测：在图像或视频帧中识别和定位物体，并在其周围绘制边界框，适用于监控、自动驾驶和零售分析等应用
• 实例分割：在图像中识别和分离单个物体，直至像素级别。对于医学影像和制造业中的缺陷检测等应用非常有用
• 图像分类：将完整图像归类到预定义的类别中，适合电子商务中的产品分类或野生动物监测等应用
• 姿态估计：检测图像或视频帧中的特定关键点，以跟踪动作或姿态，有益于健身追踪、运动分析和医疗保健应用
• 方向性目标检测（Oriented Bounding Box，OBB）：检测具有方向角的物体，可以更精确地定位旋转物体，对于航空影像、机器人技术和仓库自动化任务特别有价值
• 目标追踪：在连续的视频帧中监控和跟踪物体的运动，对于许多实时应用至关重要

YOLO11独特之处

YOLO11在今年早些时候推出的YOLOv9和YOLOv10的基础上取得了进一步进展，融入了改进后的架构设计、增强的特征提取技术以及优化的训练方法。YOLO11真正脱颖而出之处在于其速度、准确性和效率的出色结合，使其成为Ultralytics迄今为止打造的最强大的模型之一。凭借改进后的设计，YOLO11提供了更好的特征提取能力，即从图像中识别重要模式和细节的过程，这使得即使在具有挑战性的场景中也能更准确地捕捉复杂细节

值得注意的是，YOLO11m在COCO数据集上实现了更高的平均精度均值（mAP）分数，同时使用的参数比YOLOv8m少了22%，从而在不影响性能的情况下减轻了计算负担。意味着它在运行更高效的同时，还能提供更准确的结果。此外，YOLO11的处理速度更快，推理时间比YOLOv10快约2%，非常适合实时应用

YOLO11旨在处理复杂任务的同时减少对资源的占用，并设计用于提升大规模模型的性能，使其非常适合要求苛刻的AI项目。对增强管道的改进也优化了训练过程，使YOLO11更容易适应不同的任务，无论是处理小型项目还是大规模应用

事实上，YOLO11在处理能力方面效率极高，非常适合在云和边缘设备上部署，确保在不同环境中都能灵活应用。简而言之，YOLO11不仅仅是一次升级；它是一个更准确、更高效、更灵活的模型，能够更好地应对任何计算机视觉挑战。无论是自动驾驶、监控、医疗成像、智能零售还是工业应用场景，YOLO11都足够灵活，几乎可以满足任何计算机视觉应用的需求

无缝集成现有系统

YOLO11旨在与当前使用的系统和平台实现无缝集成。在YOLOv8提供的支持基础上，YOLO11兼容多种训练、测试和部署环境。无论使用的是NVIDIA GPU、边缘设备，还是在云平台上进行部署，YOLO11都已进行优化，能够轻松融入工作流程

赋能AI社区

YOLO11进步的一个主要因素是Ultralytics HUB。Ultralytics HUB是一个用户友好的平台，可简化YOLO模型（包括YOLO11）的训练和部署

Ultralytics HUB通过让用户能够上传数据集、访问一系列预训练模型以及在一个平台上管理项目，从而简化了开发流程。HUB还支持协作，使团队能够轻松地在AI项目上展开合作。以下是Ultralytics HUB的其他一些关键功能

• 云训练：提供无缝的基于云的模型训练，以实现可扩展性和效率
• 预训练模型：提供访问各种预训练的YOLOv5、YOLOv8和YOLO11模型
• 模型导出：训练后的模型可以导出为各种格式以进行部署
• 集成：与Roboflow、Google Colab和Weights & Biases等平台无缝集成
• 详细文档：提供全面的指南和常见问题解答以支持用户
• 社区支持：有一个活跃的Discord社区可供提问和讨论

凭借HUB的直观设计，经验丰富的开发人员和新用户都可以快速上手。随着越来越多的开发人员通过HUB使用YOLO11，可以期待高性能应用的激增，这些应用将突破计算机视觉的界限并塑造AI技术的未来

体验 YOLO11

像 YOLOv8 一样，YOLO11 很快将通过 Ultralytics HUB 和 Ultralytics Python 包提供试用。可以登录 HUB 或查看我们的快速入门指南，了解如何安装包的逐步说明。发布后能够探索其功能，尝试不同的数据集，并查看 YOLO11 在各种场景下的表现。我们迫不及待地想看到 AI 社区与 YOLO11 互动并为其发展做出贡献，提供反馈或在其基础上构建

https://www.ultralytics.com/zh/blog/ultralytics-yolo11-has-arrived-redefine-whats-possible-in-ai