YOLO11实战——物体检测识别

老周聊架构2025-12-05 9:16

一、前言

老周当时了解YOLO的时候是YOLO8，当时很火，但转眼间就YOLO11了。从官方给的性能图来看YOLO11大概是走到此类任务的天花板了，未来几年目标检测的任务可能不会再有很巨大的提升。

提前安装好pytorch环境以及GPU训练环境，可以参考我的上一篇：MAC使用MPS进行GPU深度模型训练（MPS替代CUDA）

二、安装Ultralytics

bash 复制代码

pip install ultralytics
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple #网络不好的话

看到Successfully installed的字样说明ultralytics下载成功了。

使用示例：
https://docs.ultralytics.com/models/yolo11/#usage-examples

bash 复制代码

# Load a COCO-pretrained YOLO11n model and train it on the COCO8 example dataset for 100 epochs
yolo train model=yolo11n.pt data=coco8.yaml epochs=100 imgsz=640

# Load a COCO-pretrained YOLO11n model and run inference on the 'bus.jpg' image
yolo predict model=yolo11n.pt source=https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg

它会在你运行命令的文件里下载bus.jpg和yolo11n.pt，还有生成runs文件夹（储存结果的文件夹）

训练结果：

可以看出公交bus训练后检测到0.94的权重是公交，效果还是挺好的。