Ultralytics YOLO11是基于深度学习和计算机视觉的最新进展，为实时目标检测和图像分割领域带来了革命性的变化。它不仅在速度和准确性上提供了无与伦比的性能，而且其流线型设计使其适合于各种应用场景，并能轻松适应不同的硬件平台，从边缘设备到云API。
快速开始
要开始使用Ultralytics YOLO11，可以通过pip安装ultralytics包，并在几分钟内开始训练YOLO模型。以下是基本的安装命令：
pip install ultralytics
为了获得全面的分步指南，请访问快速启动指南。这个资源将帮助了解如何安装、初始设置和启动第一模型。
预测新图像、视频和流
使用YOLO预测新图像、视频和流是简单直接的。可以使用以下命令来开始预测：
yolo detect
了解更多关于如何使用YOLO进行预测的信息，请访问文档中心。
训练自己的YOLO模型
在自己的数据集上训练一个新的YOLO模型是一个涉及多个详细步骤的过程。以下是一些关键步骤：
from ultralytics import YOLO
# 加载预训练的YOLO模型（可以选择n, s, m, l, 或 x版本）
model = YOLO("yolo11n.pt")
# 在自定义数据集上开始训练
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)
为了获得详细的描述和优化训练过程的建议，请查看模型训练指南。
探索YOLO任务
YOLO支持各种视觉AI任务，如检测、分割、姿态估计、跟踪和分类。探索YOLO11的新模型和它们的功能，了解如何将这些功能应用到项目中。