YOLOv11

yolov11转ncnn

yolo模型pt格式文件转ncnn，以适用于移动端的部署。原先要经过onnx，onnxsim等转换，cmake编译，现直接可生成(如何从YOLO11导出到NCNN以便顺利部署)。fromultralyticsimportYOLO#LoadtheYOLO11modelmodel=YOLO("yolo11s.pt")#ExportthemodeltoNCNNformatmodel.export(for

model2005·2025-06-24 23:18

基于YOLOv11的实时人脸表情识别系统（附完整资源 + PyQt5界面 + 训练代码）

本文将详细介绍一个基于YOLOv11的人脸表情识别系统，该系统不仅能够实现实时人脸检测，还能准确识别多种表情状态，具有广泛的应用前景。

霜天红叶·2025-06-23 20:40

基于YOLOv11的手势控制轮椅系统：从数据集构建到实时部署

本文详细介绍如何利用YOLOv11目标检测算法构建一套完整的手势控制轮椅系统，包含数据集构建、模型训练、系统集成和用户界面开发的全流程实现。

YOLO实战营·2025-06-22 15:54

YOLOv11 改进策略：利用 MPDIoU 增强边界框回归的准确性

YOLOv11改进策略：利用MPDIoU增强边界框回归的准确性引言目标检测中的边界框回归质量直接影响模型的检测精度，特别是在复杂背景和多尺度目标场景下。

鱼弦·2025-06-21 08:12

YOLOv11模型改进-模块-引入轻量级深度神经网络的卷积核DualConv 降低参数量

本篇文章将介绍一个新的改进机制——轻量级深度神经网络的卷积核DualConv，并阐述如何将其应用于YOLOv11中，显著提升模型性能。

一勺汤·2025-06-16 18:04

基于YOLOv11与单目测距的实战教程：从目标检测到距离估算

环境准备依赖库安装pipinstallultralyticsopencv-pythonnumpy模型准备YOLOv11模型：下载预训练模型（如yolo11l.pt），可

东方佑·2025-06-13 14:02

DL00871-基于深度学习YOLOv11的盲人障碍物目标检测含完整数据集

基于深度学习YOLOv11的盲人障碍物目标检测：开启盲人出行新纪元在全球范围内，盲人及视觉障碍者的出行问题一直是社会关注的重点。尽管技术不断进步，许多城市的无障碍设施依然未能满足盲人出行的实际需求。

野马算法创新·2025-06-10 11:15

YOLO 系列模型技术演进：从 YOLOv5 到 YOLOv11 的深度剖析

从YOLOv5到YOLOv11，这一系列模型在架构、性能和应用场景上都经历了显著的演进。本文将详细剖析YOLOv5到YOLOv11的每一版本的核心改进，并结合

·2025-06-10 10:37

YOLOv11 改进策略：引入 Focaler-IoU 损失函数加强边界框回归

YOLOv11改进策略：引入Focaler-IoU损失函数加强边界框回归引言在目标检测任务中，边界框的精确回归是至关重要的。

鱼弦·2025-06-07 13:40

YOLOv11 | 注意力机制篇 | 可变形大核注意力Deformable-LKA与C2PSA机制

YOLOv11|注意力机制篇|可变形大核注意力Deformable-LKA与C2PSA机制引言在目标检测领域，如何有效处理不规则形状和复杂空间变换的目标是关键挑战。

wei子·2025-06-05 22:15

[yolov11改进系列]基于yolov11引入迭代注意力特征融合iAFF的python源码+训练源码

【iAFF介绍】1.IAFF（迭代注意力特征融合）iAFF通过引入多尺度通道注意力模块和迭代融合，更好的整合不同尺度和语义不一致的特征，有效解决特征融合问题，提高目标检测的精度。特征融合，即不同层或分支的特征组合，是现代网络架构中普遍存在的一部分，通常通过简单的操作实现，例如加和串联，但这可能不是最佳选择。本文提出了一种统一且通用的方案，即注意力特征融合，适用于大多数常见场景，包括由短跳和长跳连接

FL1623863129·2025-06-01 15:06

[yolov11改进系列]基于yolov11引入可切换空洞卷积SAConv模块python源码+训练源码

[SAConv可切换空洞卷积介绍]SAConv（可切换空洞卷积）原理与优点详解一、SAConv的核心原理SAConv（SwitchableAtrousConvolution）是一种创新的卷积模块，旨在解决传统空洞卷积（DilatedConvolution）在多尺度目标检测中的局限性。其核心设计思想如下：动态空洞率切换机制SAConv通过可学习的开关函数（SwitchFunctions）动态调整卷积

FL1623863129·2025-06-01 15:35

YOLOv11小白的进击之路（七）训练输出日志解读以及训练OOM报错解决办法

YOLO训练输出日志解读我们在进行训练时，在控制台会输出如下图所示的YOLO训练输出日志：我们逐一来分析，从左到右每列通常代表以下信息：Epoch:当前训练已进行的轮数和总轮数。例：83/150即第83个Epoch，共计要训练150个Epoch。GPU_mem:显示当前使用的显存大小（如3.66G），方便监控显存占用情况。box_loss/cls_loss/dfl_loss:这仨就是不同类型的损失

水静川流·2025-06-01 06:34

YOLOv11改进 | DWRSeg扩张式残差助力小目标检测

YOLOv11改进|DWRSeg扩张式残差助力小目标检测引言在目标检测领域，小目标检测一直是一个具有挑战性的任务。

wei子·2025-05-28 00:52

YOLOv11改进 | Neck篇 | 双向特征金字塔网络BiFPN助力YOLOv11有效涨点

YOLOv11改进|Neck篇|双向特征金字塔网络BiFPN助力YOLOv11有效涨点引言目标检测领域的最新进展表明，特征金字塔网络（FPN）的设计对模型性能具有决定性影响。

wei子·2025-05-28 00:19

YOLOv11助力地铁机场安检！！！一键识别刀具

文末有完整代码出处随着现代社会的高速发展，交通工具和公共场所的安全管理面临着前所未有的挑战。尤其在机场、地铁、车站等公共安全检查点，如何提高安检效率、精准识别危险物品，成为了亟待解决的问题。在传统的安检过程中，X光图像分析通常依赖人工判断，不仅工作负担大，而且准确性和效率受限，特别是面对复杂多变的违禁物品形态时，容易出现漏检、误检的情况。因此，如何通过先进的技术手段提升安检的自动化、智能化水平，成

野马算法创新·2025-05-27 13:07

YOLOv10改进 | Conv篇 | YOLOv10添加Mamba模块（Mamba-Yolov10为目标检测、医学图像分割等任务带来新的发展和进步）

YOLOv8v10专栏限时99元订阅链接：限时99元去b站关注：AI缝合怪订阅YOLOv8v10创新改进高效涨点+持续改进300多篇（订阅的小伙伴，终身免费享有后续YOLOv11或是其他版本的改进专栏）

Ai缝合怪YOLO涨点改进·2025-05-27 00:45

YOLOv11改进策略【卷积层】| AAAI 2025 风车状卷积PConv，实现感受野的高效扩张

一、本文介绍本文记录的是利用风车卷积改进YOLOv11的目标检测网络模型。在红外小目标检测任务中，传统卷积方式难以捕捉目标像素的空间特征，影响检测性能，因此需要更适配的卷积方式提升特征提取能力。

Limiiiing·2025-05-26 14:22

yolov8 数据集训练免费分享赶快下载吧适合纯小白

前面分享过yolov11的数据集，今天再次分享下yolov8的数据集。我用分享了数据集，复制链接在浏览器打开即可保存。操作非常简单链接：https://pan.quark.cn/s

2401_86141214·2025-05-26 08:48

YOLO学习笔记｜ YOLO11对象检测，实例分割，姿态评估的TensorRT部署c++

以下是YOLOv11在TensorRT上部署的步骤指南，涵盖对象检测、实例分割和姿态评估：1.模型导出与转换1.1导出ONNX模型importtorchfrommodels.experimentalimportattempt_loadmodel

单北斗SLAMer·2025-05-23 23:55

第五章：YOLOv11 进阶应用与未来展望

在前面四章中，我们循序渐进地介绍了YOLOv11的技术原理、性能评估、环境配置以及基础的实战应用。读者现在应该已经能够熟练地安装、训练和推理YOLOv11模型。

LIUDAN'S WORLD·2025-05-23 09:17

YOLOv11 性能评估与横向对比

在第二章中，我们深入剖析了YOLOv11的核心技术，从骨干网络、颈部网络到头部，再到损失函数、数据增强和训练策略的创新，揭示了其高性能背后的奥秘。然而，理论的强大最终需要通过严谨的实验数据来验证。

LIUDAN'S WORLD·2025-05-23 09:47

YOLOv11改进 | Neck篇 | 轻量化跨尺度跨通道融合颈部CCFM助力YOLOv11有效涨点

YOLOv11改进|Neck篇|轻量化跨尺度跨通道融合颈部CCFM助力YOLOv11有效涨点引言在目标检测领域，YOLO系列算法因其卓越的速度-精度平衡而广受欢迎。

wei子·2025-05-21 23:36

YOLO11改进-注意力-引入自集成注意力机制SEAM解决遮挡问题

本篇文章将介绍一个新的改进机制——SEAM，并阐述如何将其应用于YOLOv11中，显著提升模型性能。

一勺汤·2025-05-20 01:13

Python面试总结

hello，大家好，我是potato，我总结一下最近的面试遇到的问题~1.Python开发（软通动力）自我介绍主要问了项目(YOLOv11)项目遇到的难点和解决方法is，==列表和元组的区别Python

一个Potato·2025-05-19 18:21

Yolov8与Yolov11的网络架构的区别

图像引用YOLO11详解(与YOLOv8对比)_yolov11和v8-CSDN博客，侵删。

Livan.Tang·2025-05-19 10:35

YOLOv11 环境配置与使用指南

YOLOv11环境配置与使用指南一、下载YOLOv11代码官方代码仓库位于：ultralytics/ultralytics:UltralyticsYOLO11gitclonehttps://github.com

ANiy520·2025-05-16 08:23

基于深度学习YOLOv11的海洋动物检测系统（Python + PySide6界面 + 训练代码）

1.引言海洋动物监测对海洋生态环境保护、渔业资源管理和海洋科研等领域具有重要意义。传统的海洋动物监测方法依赖于人工观测和拍摄，这种方法不仅费时费力，而且容易受到人为因素的影响，导致数据的准确性和效率不高。随着深度学习技术的快速发展，特别是目标检测领域的突破，基于深度学习的海洋动物检测技术得到了广泛应用。YOLO（YouOnlyLookOnce）系列算法以其快速、高效、准确的特点，成为了目标检测领域

人工智能_SYBH·2025-05-12 02:52

YOLOv11与Roboflow数据集使用全攻略

YOLOv11与Roboflow数据集使用全攻略引言在计算机视觉领域，目标检测是一项基础而关键的任务。YOLO(YouOnlyLookOnce)系列算法因其出色的速度和精度平衡而广受欢迎。

wei子·2025-05-11 13:04

基于yolov11的打电话玩手机检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面

系统依托YOLOv11深度学习模型，可实时检测并定位画面中出现的手机，一旦识别到目标设备即判定为违规行为，并触发预警机制。

FL1623863129·2025-05-07 08:37

计算机视觉——对比YOLOv12、YOLOv11、和基于Darknet的YOLOv7的微调对比摘要目标检测领域取得了巨大进步，其中YOLOv12、YOLOv11和基于Darknet的YOLOv

摘要目标检测领域取得了巨大进步，其中YOLOv12、YOLOv11和基于Darknet的YOLOv7在实时检测方面表现出色。

Ttcoffee_2048·2025-05-03 17:54

【YOLO11改进 - 检测头】更换DetectDeepDBB检测头

YOLOv11目标检测创新改进与实战案例专栏文章目录：YOLOv11创新改进系列及项目实战目录包含卷积，主干注意力，检测头等创新机制以及各种目标检测分割项目实战案例专栏链接:YOLOv11目标检测创新改进与实战案例文章目录

YOLO大师·2025-05-01 18:09

突破YOLOv11训练：用幽默的方式玩转自定义数据集与物体检测

今天，我们将带你踏入YOLOv11的神奇世界，用幽默的方式教你如何训练物体检测模型，处理自定义数据集。

星际编程喵·2025-04-27 07:14

医疗影像分割 | 使用yolo v11训练自己的数据集

代码下载：GitHub-ultralytics/ultralytics:UltralyticsYOLO11环境配置可以参考：目标检测：YOLOv11(Ultralytics)环境配置，适合0基础纯小白，

编程日记✧·2025-04-24 16:40

【YOLOv11多模态融合改进】| SDFM 表层细节融合模块，利用通道-空间注意力机制，实现跨模态特征融合，抑制噪声干扰

一、本文介绍本文记录的是利用SDFM模块改进YOLOv11的多模态融合部分。

Limiiiing·2025-04-24 02:38

YOLOv11检测模型数据集介绍、模型训练及测试

：pipinstallultralytics-ihttps://pypi.tuna.tsinghua.edu.cn/simple(ultralytics可以指定版本号，像yolov8只与部分版本适配，yolov11

张小生180·2025-04-22 17:03

YOLO11改进,尺度动态损失函数Scale-based Dynamic Loss，减少标签不准确对损失函数稳定性的影响

2025年CVPR最佳论文提出的尺度动态损失函数（Scale-basedDynamicLoss,SDL），通过构建自适应损失调节机制，不仅实现了对YOLOv11检测精度的指数级提升，更重新定义了损失函数的设计哲学

Loving_enjoy·2025-04-22 16:56

YOLOv11改进有效涨点专栏：从理论到实战的深度优化指南

##YOLOv11的进化之路在目标检测领域，YOLO系列算法始终保持着革命性的创新步伐。YOLOv11作为该系列的最新演进版本，在保持实时检测优势的同时，通过架构层面的深度优化实现了精度与速度的平衡。

Loving_enjoy·2025-04-19 21:02

在pycharm中搭建yolo11分类检测系统--PyQt5学习（二）

这样服务器只需要YOLOv11的环境，不需要PyQt5。因此，不需要在AutodL上

旺仔溜溜没·2025-04-19 16:28

基于深度学习YOLOv11的常见手势识别系统

一、引言在深度学习的应用中，手势识别作为人机交互的重要方式，越来越受到关注。手势识别可以应用于虚拟现实（VR）、增强现实（AR）、智能家居、智能驾驶等领域。传统的手势识别方法依赖于传统的计算机视觉算法，如光流法和形态学处理，而现代的深度学习方法则大大提高了手势识别的准确性和鲁棒性。YOLO（YouOnlyLookOnce）作为一类经典的深度学习目标检测算法，近年来在手势识别领域取得了广泛的应用。Y

深度学习YOLO目标检测实战项目·2025-04-19 04:44

ArmSoM Sige5 & CM5：RK3576 上 Ultralytics YOLOv11 边缘计算新标杆

在计算机视觉技术加速落地的今天，ArmSoM正式宣布其基于RockchipRK3576的旗舰产品Sige5开发板和CM5核心板全面支持UltralyticsYOLOv11模型的RKNN部署。这一突破标志着边缘计算领域迎来新一代高性能、低功耗的AI解决方案，为工业检测、智能安防、机器人导航等场景提供“开箱即用”的硬核支持。二、RKNN工具包RKNN工具包是由Rockchip提供的一套工具和库，用于促

ArmSoM开源硬件·2025-04-15 12:39

【YOLOv11多模态融合改进】| 引入轻量化特征提取模块，解决多模态中的双模型参数量、计算量增加问题（适用不同的轻量化模块）

一、本文介绍本文记录的是利用轻量化模块改进YOLOv11的多模态目标检测网络模型。

Limiiiing·2025-04-15 10:26

YOLOv11训练中精准率召回率与[email protected]的动态变化分析

本文旨在通过绘制YOLOv11模型在训练过程中的精准率（Precision）、召回率（Recall）、[email protected]、[email protected]:0.95以及各种损失的变化曲线，支持多文件数据对比，从而为论文中展示不同算法的性能差异提供直观依据

Stara-AI·2025-04-14 13:33

YOLOv11训练：Roboflow免费数据集获取与格式转换超详细教程

YOLOv11训练：Roboflow免费数据集获取与格式转换超详细教程本教程将详细介绍如何使用Roboflow这一官方推荐的免费数据集平台，一键获取适用于YOLOv11训练的高质量数据集，并导出为VOC

wei子·2025-04-06 11:08

YOLOv11训练教程：PyTorch与PyCharm在Windows 11下的完整指南

YOLOv11训练教程：PyTorch与PyCharm在Windows11下的完整指南介绍与引言YOLO(YouOnlyLookOnce)是当前最流行的实时目标检测算法系列之一，YOLOv11作为该系列的最新演进版本

wei子·2025-04-06 10:04

贤小二c#版Yolov5 yolov8 yolov10 yolov11自动标注工具 + 免python环境 GPU一键训练包

2、本程序采用c#+Net8.0框架开发，是贤小二开发的一款Yolo标注和免环境训练的工具集，可以标注并一键生成anaconda训练脚本，可以直接免环境训练yolov5,yolov8,yolov10,yolov11

贤小二AI·2025-04-04 09:04

YOLOv11模型改进-注意力-引入单头自注意力Single-Head Self-Attention（SHSA）解决小目标、遮挡

一勺汤·2025-04-04 08:26

YOLOv11原创改进专栏|原创自研篇|HFAM模块手把手添加教程

本文介绍：本专栏文章不会讲太复杂的定义，将从小白的角度去进行讲解，为大家节省时间，高效去做实验，文章将会简单介绍一下相关模块（也会附带相关论文链接，有兴趣可以阅读，可以作为论文文献），本专栏主要专注于YOLO改进实战！适用于小白入门也可以水论文，大佬跳过！！！文章适用人群：研一、准研究生（研0）、少部分本科生、着急毕业水论文的各位更新时间：每天1~3篇左右，本专栏文章至少50+篇，如果需要单独设计

逐梦藏蓝-Payne·2025-04-04 08:25

YOLOv11原创改进专栏|原创自研篇|EMAAM模块手把手添加教程