GitHub - ultralytics/yolo11: Ultralytics YOLO11 discovery and quickstart for detection…

Ultralytics YOLO11 可通过官方 Ultralytics YOLO 包使用，支持目标检测、实例分割、图像分类、姿态估计、旋转目标检测和跟踪，并提供快速、准确、易用的 Python 与 CLI 工作流。

本仓库是 YOLO11 的轻量级发现入口。官方实现、软件包发布、模型下载、Issues 和 Pull Requests 均在 ultralytics/ultralytics 仓库维护。

📄 文档

请参阅下文了解快速安装和 YOLO11 使用示例。有关训练、验证、预测和部署的完整指南，请参阅 Ultralytics 文档。

安装

在 Python>=3.8 环境中安装 ultralytics 包，并使用 PyTorch。

pip install ultralytics

使用方法

CLI

yolo predict model=yolo11n.pt source="https://ultralytics.com/images/bus.jpg"

Python

from ultralytics import YOLO

# 加载预训练的 YOLO11n 模型
model = YOLO("yolo11n.pt")

# 对示例图像运行推理
results = model("https://ultralytics.com/images/bus.jpg")

# 显示带标注的结果
results[0].show()

✨ 模型

YOLO11 模型支持检测、分割、分类、姿态估计和旋转目标检测。所有模型权重都会在首次使用时从最新的 Ultralytics assets 发布版本自动下载。

模型	示例权重	任务	Train	Val	Predict	Export
YOLO11	`yolo11n.pt` `yolo11s.pt` `yolo11m.pt` `yolo11l.pt` `yolo11x.pt`	检测	✅	✅	✅	✅
YOLO11-seg	`yolo11n-seg.pt` `yolo11s-seg.pt` `yolo11m-seg.pt` `yolo11l-seg.pt` `yolo11x-seg.pt`	实例分割	✅	✅	✅	✅
YOLO11-cls	`yolo11n-cls.pt` `yolo11s-cls.pt` `yolo11m-cls.pt` `yolo11l-cls.pt` `yolo11x-cls.pt`	分类	✅	✅	✅	✅
YOLO11-pose	`yolo11n-pose.pt` `yolo11s-pose.pt` `yolo11m-pose.pt` `yolo11l-pose.pt` `yolo11x-pose.pt`	姿态估计	✅	✅	✅	✅
YOLO11-obb	`yolo11n-obb.pt` `yolo11s-obb.pt` `yolo11m-obb.pt` `yolo11l-obb.pt` `yolo11x-obb.pt`	旋转目标检测	✅	✅	✅	✅