Ultralytics YOLO11 来了！重新定义 AI 的无限可能！

我们非常高兴地推出 Ultralytics models 的下一代演进版本：YOLO11！在先前 YOLO 模型版本令人瞩目的进步基础之上，YOLO11 带来了大量强大的功能和优化，使其速度更快、更准确且具备无与伦比的通用性。在 Ultralytics 汇聚 AI 专家、创新者和开发者的年度混合盛会 YOLO Vision 2024 (YV24) event 上正式宣布，这一 Ultralytics 家族的最新成员必将重新定义 computer vision 的无限可能。

凭借其创新的架构，Ultralytics YOLO11 可用于各种计算机视觉任务，从实时目标检测到分类，使其成为开发者和研究人员的变革性工具。主要改进包括增强特征提取以捕获更精确的细节、以更少的参数实现更高的准确率，以及显著提升实时性能的更快处理速度。在本文中，我们将深入探讨使 YOLO11 脱颖而出的功能，以及它如何改变你的计算机视觉应用。我们开始吧！

图 1. Glenn Jocher 在舞台上，在 YOLO Vision 24 上发布 Ultralytics YOLO11。

了解 Ultralytics YOLO11#

YOLO11 标志着 YOLO 家族的新篇章，提供了一个更强大、更多功能的新模型，将 computer vision 推向了新的高度。凭借其精简的架构和增强的功能，该模型支持视觉 AI 社区非常喜爱的 Ultralytics YOLOv8 所具备的诸如姿态估计和实例分割等 computer vision tasks，但具有更高的性能和精度。Ultralytics 创始人兼 CEO Glenn Jocher 分享道：“通过 YOLO11，我们着手开发一款既具备强大功能又兼顾实际应用场景的模型。其改进的效率和准确性使其成为一个能够适应各行业独特挑战的坚固工具。我非常期待看到视觉 AI 社区如何利用 YOLO11 创建创新解决方案，并将计算机视觉提升到新的水平。”

图 2. Glenn Jocher 在舞台上，在 YV24 上发布 Ultralytics YOLO11。

以下是 Ultralytics YOLO11 支持的计算机视觉任务概览：

• Object detection：识别并定位图像或视频帧中的对象，在其周围绘制边界框，适用于 surveillance、autonomous driving 和 retail analytics 等应用。
• Instance segmentation：它涉及将图像中的各个对象识别并分离到像素级别。它对于 medical imaging 和manufacturing 中的缺陷检测等应用非常有用。
• Image classification：将整个图像分类到预定义的类别中，使其非常适合电子商务中的product categorization 或wildlife monitoring 等应用。
• Pose estimation：检测图像或视频帧内的特定关键点以追踪运动或姿势，对 fitness tracking、sports analytics 和 healthcare 应用大有裨益。
• Oriented object detection (OBB)：检测带有方向角的对象，从而对旋转对象进行更精确的定位，这对于 aerial imagery、robotics 和 warehouse automation 任务尤其有价值。
• Object Tracking：监控并追踪对象across consecutive video frames的移动，这对于许多实时应用至关重要。

Fig 3. Ultralytics YOLO11 支持的计算机视觉任务。

是什么让 Ultralytics YOLO11 与众不同？#

YOLO11 建立在今年早些时候 YOLOv9 和 YOLOv10 引入的进步基础之上，融合了改进的架构设计、增强的特征提取技术以及优化的训练方法。真正让 YOLO11 脱颖而出的是它令人印象深刻的速度、准确度和效率组合，使其成为 Ultralytics 迄今为止打造的最具能力的模型之一。通过改进的设计，YOLO11 提供了更好的 feature extraction（即识别图像中重要模式和细节的过程），从而即使在具有挑战性的场景中也能更准确地捕获复杂的方面。

值得注意的是，YOLO11m 在 COCO dataset 上实现了更高的 mean Average Precision (mAP) score，同时比 YOLOv8m 少使用 22% 的参数，在不牺牲性能的情况下使其计算上更轻量。这意味着它在运行效率更高合的同时提供了更准确的结果。最重要的是，YOLO11 带来了更快的处理速度，其推理时间比 YOLOv10 快约 2%，使其成为实时应用的理想选择。

Fig 4. 使用 Ultralytics YOLO11 进行目标检测。

它专为处理复杂任务而构建，同时资源消耗更低，旨在提升大规模模型的性能，使其非常适合严苛的 AI 项目。增强流水线的改进也优化了训练过程，让 Ultralytics YOLO11 能够更轻松地适应各种任务，无论你是在进行小型项目还是大规模应用。

事实上，YOLO11 在处理能力方面非常高效，非常适合在云端和边缘设备上进行 deployment，从而确保了不同环境下的灵活性。简而言之，YOLO11 不仅仅是一次升级；它是一个明显更准确、高效且灵活的模型，能够更好地应对任何计算机视觉挑战。无论是 autonomous driving、surveillance、healthcare imaging、smart retail 还是 industrial use cases，YOLO11 都有足够的通用性来满足几乎任何计算机视觉应用。

Ultralytics YOLO11 完美适配你的系统与平台#

Ultralytics YOLO11 旨在与你已经在使用的系统和平台无缝集成。在延续 YOLOv8 所提供支持的基础上，YOLO11 兼容广泛的环境，用于训练、测试和部署。无论你使用的是 NVIDIA GPUs、边缘设备还是部署在云端平台，YOLO11 都经过优化，能够轻松融入你的工作流程。

这些集成是出色的附加功能，使 YOLO11 能够适应不同的行业，帮助 businesses 在其现有流程中轻松实现该模型。例如，假设你想将 YOLO11 用于 agriculture，特别是用于 crop monitoring。你可能需要将模型部署在无人机上，以便在大面积农田中实时识别植物健康问题。然而，如果你身处安全领域，你可能更倾向于将 YOLO11 与基于云的系统配合使用，以监控多个摄像头画面来进行 object detection。

Fig 5. 在农业领域中使用 Ultralytics YOLO11。

用 Ultralytics YOLO11 赋能 AI 社区#

随着 YOLO11 的推出，视觉 AI 社区可以期待更多激动人心的进步。得益于其增强的精度和效率，这款新模型有潜力彻底改变现有的应用并开创新的应用。这一进步的主要驱动力是 Ultralytics HUB。Ultralytics HUB 是一个用户友好的平台，它简化了包括 YOLO11 在内的 YOLO 模型的训练和部署过程。

图 6. 在 Ultralytics HUB 上运行 YOLO11 推理。

Ultralytics HUB 通过允许用户上传数据集、访问各种预训练模型并在一个位置管理所有项目，简化了开发流程。该 HUB 还支持协作，方便团队共同完成 AI 项目。以下是 Ultralytics HUB 的其他一些核心功能：

• Cloud training：Ultralytics HUB 提供无缝的基于云的模型训练，以实现可扩展性和效率。
• Pre-trained models：该平台提供对各种预训练的 YOLOv5、YOLOv8 和 YOLO11 模型的访问。
• 模型导出：训练好的模型可以导出为多种格式以供部署。
• Integrations：Ultralytics HUB 与 Roboflow、Google Colab 和 Weights & Biases 等平台无缝集成。
• 详细文档：Ultralytics HUB 为用户提供全面的指南和常见问题解答。
• 社区支持：活跃的 Discord 社区可随时进行提问和讨论。

凭借 HUB 直观的设计，经验丰富的开发者和新手都能快速上手。随着越来越多的开发者通过 HUB 使用 Ultralytics YOLO11，我们可以期待涌现出大量高性能应用，它们将不断突破计算机视觉的边界，塑造 AI 技术的光明未来。

亲身体验 Ultralytics YOLO11#

就像 YOLOv8 一样，YOLO11 很快将可以通过 Ultralytics HUB 和 Ultralytics Python package 进行体验。你可以登录 Ultralytics HUB 或查看我们的quickstart guide 获取有关如何安装该包的分步说明。发布后，你将能够探索其功能、尝试不同的 datasets，并查看 YOLO11 在各种场景中的表现。我们迫不及待地想看到 AI 社区通过contributing参与到 YOLO11 的开发中、提供反馈或在其基础之上进行构建。

无论你是寻求优化现有项目的开发者，还是对创建新应用感兴趣的人，你的参与都能帮助推动创新。参与讨论、分享你的经验，并与他人合作，以释放 Ultralytics YOLO11 的全部潜力。我们很高兴看到你如何使用 YOLO11 来应对现实世界的挑战，并将你的创意变为现实！

Ultralytics YOLO11 开启全新篇章#

Ultralytics YOLO11 是计算机视觉迈出的下一步，集出色的准确性、速度和效率于一体。它在 YV24 上发布，其高级功能使其适用于各种实时应用，从自动驾驶汽车到智能零售解决方案。随着 AI 社区开始探索和使用该模型，我们很高兴看到 YOLO11 将以怎样富有创意的方式推动创新并为现实带来新可能。如果你想探索 AI 的最新进展，请尝试 YOLO11，看看它如何提升你的计算机视觉项目！

要了解有关 AI 的更多信息，请前往我们的 GitHub repository 并加入 our active community。发掘 AI 如何在 healthcare 和 agriculture 等领域取得长足进步。