YOLO11标记着YOLO家族的新篇章，提供了更弱小，更多性能的模型，将计算机视觉带到新的高度。仰仗其完善的架构和增强的性能，该模型支持计算机视觉义务，如姿态预计和实例宰割，视觉AI社区曾经爱上了Ultralytics YOLOv8，但具备更高的性能和精度。Ultralytics开创人兼首席口头官Glenn Jocher示意:“经过YOLO11，咱们开局开发一种既弱小又适用的模型，适用于事实环球的运行。提高了效率和老本。
以下为YOLO11支持的计算机视觉义务：
YOLO11建设在往年早些时刻YOLOv9和YOLOv10的基础上，整合了改良的模型结构设计、增强的特色提取技术和提升的训练方法。真正让YOLO11锋芒毕露的是它令人印象深入的速度、准确性和效率的联合，使其成为Ultralytics迄今为止发明的最弱小的型号之一。经过改良设计，YOLO11提供了更好的特色提取，这是从图像中识别关键形式和细节的环节，即使在具备应战性的场景中，也可以更准确地捕捉复杂的方面。
值得留意的是，YOLO11m在COCO数据集上成功了更高的平均精度（mAP）得分，同时经常使用的参数比YOLOv8m少22%，使其在不就义性能的状况下计算更轻。这象征着它提供了更准确的结果，同时运转效率更高。最关键的是，YOLO11带来了更快的解决速度，推理期间比YOLOv10快约2%，使其成为实时运行程序的理想选用。
赋能AI社区
Ultralytics HUB 是一个可视化的 YOLO 模型的训练和部署的的平台，团队可以轻松地在 AI 名目上协作。Ultralytics HUB 还提供基于云的模型训练，对经过训练的模型可以导出各种格局启动部署，新手都可以极速上手。
AI自动相机
reCamera 是一款开源的可编程微型 AI 相机，基于 RISC-V 架构的SoC，可提供设施上 1 TOPS AI 性能。这是第一款支持最新 YOLO11的一个即插即用的相机，配件和软件均已开源。
Node-RED 集成成功无代码上班流程，reCamera 的定制节点准许调用相机 API 并经常使用 TPU 将模型间接加载到设施上。只有三步即可轻松搞定：选用节点模块、性能节点、部署。
YOLOv11现已在官网github repo降级，快去体验吧！
原文链接：