YOLO 模型一直是目标检测的经典之选。YOLOv11 作为新一代的目标检测模型，不仅延续了其系列的高效和实时性能，还大幅提升了检测精度和适应复杂场景的能力，带来了更强的精度、更快的速度和更智能的推理性能。
YOLOv11 能够同时完成多个视觉任务：从基础的物体检测和物体分类，到精细的实例分割，甚至能通过姿态估计分析人体或物体的动作。同时，YOLOv11 在定位物体检测方面也表现出色，能够精准地定位并识别图像中的目标，满足更复杂场景的需求。例如，在自动驾驶中，它不仅能精准识别前方车辆和行人，还能准确定位车道线和交通标志，确保行车安全。
OpenBayes 的公共教程模块现已上线了「一键部署 YOLOv11」，该教程已经为大家搭建好了环境，无需输入任何命令，点击克隆即可快速探索 YOLOv11 的强大功能！
教程地址：
https://go.openbayes.com/PEmPo
Demo 运行
01 Demo 运行阶段
1.登录 http://OpenBayes.com，在「公共教程」页面，选择「一键部署 YOLOv11」。
- 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
- 点击右下角「下一步：选择算力」。
- 页面跳转后，选择「NVIDIA RTX 4090」以及 「PyTorch」镜像，用户可以按照自身需求选择「按量计费」或「包日/周/月」，完成选择后，点击「下一步：审核」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！
小贝总专属邀请链接（直接复制到浏览器打开）：https://go.openbayes.com/9S6Dr
- 确认无误后，点击「继续执行」，等待分配资源，首次克隆需等待 2 分钟左右的时间。当状态变为「运行中」后，点击「API 地址」旁的跳转箭头，即可跳转至 Demo 页面。请注意，用户需在实名认证后才能使用 API 地址访问功能。
02 效果演示阶段
- 打开 YOLOv11 物体检测 Demo 页面，小贝上传了一张动物叠罗汉的图片，调整参数，点击 「Submit」，可以看到 YOLOv11 已经精准检测出了图中所有动物。原来右下角还藏着一只小鸟！大家有没有注意到呢~
下方参数分别表示：
Model： 指选择使用的 YOLO 模型版本。
Image Size： 输入图像的尺寸，模型在检测时会将图片调整为这个大小。
Confidence Threshold： 置信度阈值，表示模型在进行目标检测时，只有置信度超过这个设定值的检测结果才会被认为是有效目标。
- 进入实例分割 Demo 页面，上传图片并调整参数后，点击「Submit」，就可以完成分割操作。即使存在遮挡，YOLOv11 也能完成得非常出色，准确分割人物并勾勒出巴士的轮廓。
- 进入物体分类 Demo 页面，小贝上传了一张狐狸图片，YOLOv11 即可精准地检测出图片中狐狸具体品种为红狐。
- 进入姿态识别 Demo 页面，上传图片，根据图片调整参数，点击「Submit」，即可完成姿态动作分析。可以看到它准确的分析出了人物夸张的肢体动作。
- 在定向物体检测 Demo 页面，上传图片并调整参数，点击「Submit」，可以识别出物体的具体位置和分类情况。
新用户福利
注册福利： 点击下方邀请链接注册，即可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费算力时长，永久有效！
小贝总专属邀请链接（直接复制到浏览器打开）：
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。