引言

2024年9月30日，Ultralytics在其活动YOLOVision中正式发布了YOLOv 11。YOLOv 11是由位于美国和西班牙的Ultralytics团队开发的YOLO的最新版本。YOLO是一种用于基于图像的人工智能的计算机模型。

YOLOv 11与其他版本的YOLO相比的性能

YOLOv11改进方向

• 增强的模型结构：模型具有改进的模型结构，以获取图像处理并形成预测
• GPU优化：这是现代ML模型的反映，GPU训练ML模型在速度和准确性上都更好。
• 速度：YOLOv 11模型现在经过增强和GPU优化以用于训练。通过优化，这些模型比它们的前版本快得多。在速度上达到了25%的延迟减少！
• 更少的参数：更少的参数允许更快的模型，但v11的准确性不受影响
• 更具适应性：更多支持的任务YOLOv 11支持多种类型的任务、多种类型的对象和多种类型的图像。

YOLOv11功能介绍

• 对象检测-在训练时检测图像中的对象
• 图像分割-超越对象检测，分割出图像中的对象
• 姿态检测-当用点和线训练时绘制一个人的姿势
• 定向检测（OBB）：类似于对象检测，但包围盒可以旋转
• 图像分类-在训练时对图像进行分类

• 跟踪-可以跟踪对象的路径
• 易于导出-库可以以不同的格式和目的导出
• 多场景-您可以针对不同的对象和图像训练模型

YOLOv11模型介绍

YOLOv11模型

YOLOv11与前版本对比

检测：

YOLOv11检测统计

YOLOv10检测统计

分割：

YOLOV11 分割统计

YOLOV9 分割统计

YOLOV8 分割数据

YOLOV11姿态估计统计

YOLOV8姿态估计统计

定向边界框：

YOLOv11 OBB统计

YOLOv8 OBB统计

YOLOv 11 CLS统计

YOLOv8 CLS统计

从v8到v11，准确性也有了微小的提高。然而，速度大幅上升，CPU速度更快的型号。

总结

本文详细比较了YOLOv11与其前版本的性能比较，整体上看，在速度与性能上都有比较明显的提升。