?本文介紹視覺目標檢測模型YOLOv11。

2024年9月30日，在YOLOVision活動上，Ultralytics團隊正式宣布發布YOLOv11。短短2年，YOLO就從YOLOv8一下子迭代到YOLOv11，可見目前AI的發展速度。

感興趣的小伙伴可以看看官方的倉庫：https://github.com/ultralytics/ultralytics

模型介紹

對比YOLOv8（Ultralytics前一代出品），主要有三個模型結構的變化：

• C3k2機制。上圖為C3k的網絡結構圖，2是指調用時C3k其中的參數N固定設置為2。不過從結構上來說，C3k2其實就是YOLOv8中的C2f，兩者結構是一致的。?

• 第二個創新點是提出C2PSA機制，如上圖所示。其實就是在C2模塊的基礎上，引入了Attention機制，提出了一種PSA的模塊，不過個人認為替換為卷積層的效果應該也不會差太多的。

• 第三個創新點是在原先的2個解耦分類檢測頭中，進一步增加了兩個DWConv，提高了模型的特征提取能力。如上圖所示。

模型效果

上圖為官方貼出的YOLOv11效果圖，從圖中可以看到，YOLOv11相比于第5代到10代，其無論是從精度還是速度上都是達到了最優的結果，說明了YOLOv11的性能強大。

另外，官方也展示了在邊緣部署上的性能，這里與v10進行對比。在v11上的mAP為39.5，v10上的mAP為38.5；在延遲方面，在v11上延遲為1.55 , v10上延遲為1.84。這可能看起來像是一種微量增加，但小小數的增加可能會對邊緣部署的模型產生很大影響。

?

文轉載自公眾號瓦力算法學研所，作者：喜歡瓦力的卷卷

原文鏈接：??https://mp.weixin.qq.com/s/9gfy9sZii3Nj-9nMXJH6iA???