yolo v11 输出
时间: 2025-04-18 22:45:13 浏览: 60
### YOLO V11 输出格式和特点
YOLO (You Only Look Once) 是一种实时物体检测算法,其版本不断更新优化。对于 YOLO V11 的输出特性而言,在处理图像并完成目标检测之后,该模型会提供一系列边界框以及对应的类别概率。
#### 边界框预测
YOLO V11 对于每个可能的对象都会返回多个边界框,这些边界框由四个参数定义:中心坐标 \(x\) 和 \(y\)、宽度 \(w\) 及高度 \(h\)[^1]。这种表示方法有助于更精确地定位不同形状的目标位置。
#### 类别置信度分数
除了给出具体的边框外,YOLO V11 还会对每一个预测出来的区域赋予一个类别的置信度得分。这个得分为两部分组成——对象存在与否的概率与属于特定分类的可能性乘积[^2]。通过这种方式可以有效地筛选掉那些低质量或者错误匹配的结果。
#### 多尺度特征图支持
为了提高小尺寸物体的检出率,YOLO V11 引入了多尺度特征映射机制。这意味着网络可以在不同的分辨率下提取特征,并最终融合成统一大小的地图用于做出决策。这使得即使是非常微小的目标也能够被准确捕捉到[^3]。
```python
import torch
from ultralytics import YOLO
model = YOLO('ultralytics/cfg/models/11/yolo11_dog.yaml')
results = model.predict(image, conf=0.5)
for result in results:
boxes = result.boxes.cpu().numpy()
scores = result.scores.cpu().numpy()
labels = result.names
```
上述代码展示了如何加载预训练好的 YOLO V11 模型并对单张图片执行推理操作。`predict()` 函数接收输入图像作为参数,并允许设置最小置信阈值 `conf` 来过滤弱阳性样本;而输出则包含了检测到的所有实例的相关信息,包括但不限于它们的位置(即边界框)、所属种类及其相应的可能性评分。
阅读全文
相关推荐


















