VIP20

本课程属于：032-YOLO目标检测 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

YOLOv11新特性与实战应用

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

YOLO系列发展史 · YOLOv11相比v10的改进 · YOLOv11核心优势与应用场景

Ubuntu/Conda环境配置 · PyTorch安装 · YOLOv11源码下载与依赖安装

环境搭建Ubuntu/Conda

数据集准备

LabelImg标注工具使用 · 数据集格式转换（VOC转YOLO） · 数据集划分与配置文件编写

数据集准备LabelImg

配置文件详解

模型配置文件（yaml）结构 · 数据集配置文件（yaml）编写 · 超参数配置文件解析

配置文件详解yaml

训练自己的数据集

单卡训练命令 · 多卡训练（DDP）配置 · 训练日志与权重保存机制

训练自己的数据集单卡训练命令

模型推理与测试

图片/视频推理 · 批量推理 · 推理结果可视化与性能评估

模型推理测试

模型导出与部署

导出ONNX/TensorRT/Op… · 导出精度对比 · 部署到边缘设备

模型导出部署

YOLOv11网络架构

Backbone（CSPDarkne… · Neck（FPN+PAN结构） · Head（解耦头设计）

YOLOv11网络架构

新特性之动态标签分配

TaskAlignedAssigne… · 正负样本匹配策略 · 与静态分配的对比

新特性之动态标签…TaskAlignedA…

新特性之损失函数优化

分类损失（BCE/VFL） · 回归损失（CIoU/DFL） · 损失权重平衡策略

新特性之损失函数…BCE/VFL

新特性之数据增强

Mosaic · MixUp · Copy-Paste

新特性之数据增强Mosaic

新特性之模型缩放

N/S/M/L/X系列模型对比 · 深度/宽度/分辨率缩放策略 · 不同场景选型建议

新特性之模型缩放N/S/M/L/X

新特性之注意力机制

C2f模块中的注意力集成 · SE与CBAM对比 · 实际效果分析

新特性之注意力机…C2f

新特性之训练技巧

EMA（指数移动平均） · Warmup学习率策略 · 余弦退火调度

新特性之训练技巧EMA

新特性之推理优化

NMS改进（Fast NMS） · FP16/INT8量化 · TensorRT加速实战

新特性之推理优化NMS

安全帽检测系统——数据采集 · 模型训练 · 边缘端部署

实战项目1安全帽检测系统

车辆检测与计数——交通场景数据集 · 跟踪算法集成 · 流量统计

实战项目2车辆检测

PCB缺陷检测——工业数据集处理 · 小目标检测优化 · 模型蒸馏

实战项目3PCB

农作物病虫害识别——多类别分类 · 迁移学习 · 模型集成

实战项目4农作物病虫害识别

行人检测与重识别——ReID特征提取 · 跨摄像头追踪 · MOT挑战

实战项目5ReID

口罩佩戴检测——数据增强策略 · 轻量化模型 · 移动端部署

实战项目6口罩佩戴检测

火焰与烟雾检测——红外/可见光融合 · 实时报警系统 · 误报抑制

实战项目7火焰

车牌识别系统——检测+OCR端到端 · 倾斜校正 · 夜间增强

实战项目8OCR

体育动作分析——姿态估计集成 · 关键点检测 · 动作分类

实战项目9体育动作分析

遥感图像目标检测——大图切片推理 · 旋转框检测 · 多尺度融合

实战项目10遥感图像目标检测

模型压缩与加速

剪枝（结构化/非结构化） · 量化（PTQ/QAT） · 知识蒸馏实战

模型压缩加速

YOLOv11与Transformer对比

检测精度 · 推理速度 · 参数量

YOLOv11Transformer

YOLOv11在自动驾驶中的应用

BEV感知 · 多传感器融合 · 实时性要求与优化

YOLOv11自动驾驶

YOLOv11在安防监控中的应用

人群密度估计 · 异常行为检测 · 视频结构化

YOLOv11安防监控

YOLOv11未来展望

YOLO系列演进方向 · 自监督学习 · 多模态融合

YOLOv11未来展望