YOLO11支持哪些任务？检测/分割/姿态全都有-编程实验室

YOLO11支持哪些任务？检测/分割/姿态全都有

1. 引言

YOLO11 是 Ultralytics 推出的最新一代 YOLO 系列模型，作为实时目标检测领域的持续演进成果，它在保持高速推理能力的同时，进一步拓展了多任务支持能力。与前代 YOLOv8 类似，YOLO11 并非单一模型，而是一套统一架构下的多任务计算机视觉解决方案。

本文将围绕YOLO11 支持的核心任务类型展开系统性分析，并结合实际部署环境（基于提供的镜像文档和参考博文），深入解析其在目标检测、实例分割、姿态估计等任务中的实现方式与工程实践要点。文章不涉及网络结构原理推导，重点聚焦于功能特性、使用流程与可落地的技术方案。

2. YOLO11 支持的任务概览

YOLO11 延续了 YOLOv8 的多任务设计思想，在一个统一的框架下支持多种主流视觉任务。通过切换模型头（Head）结构和训练数据格式，同一主干网络可以灵活适配不同下游任务。

2.1 支持的核心任务类型

任务类型	功能描述	输出内容
目标检测（Detection）	定位图像中物体的位置并分类	边界框（Bounding Box）、类别标签、置信度
实例分割（Segmentation）	在检测基础上提供像素级轮廓掩码	边界框 + 每个实例的二值掩码（Mask）
姿态估计（Pose Estimation）	检测人体关键点及其连接关系	边界框 + 关键点坐标（如17个COCO关键点）
图像分类（Classification）	对整张图像进行类别预测	图像级类别标签与置信度
OBB（旋转框检测）	检测带角度的矩形框，适用于倾斜目标	中心点、宽高、角度、类别

这些任务共享相同的骨干网络（Backbone）和特征金字塔结构（Neck），仅在输出头部分存在差异，因此具备高度一致的预处理、后处理逻辑，极大简化了多任务系统的开发与部署。

3. 多任务实现机制解析

3.1 统一输入预处理流程

无论执行何种任务，YOLO11 的输入预处理流程保持一致：

尺寸归一化：采用 letterbox 或 warpAffine 方式将输入图像缩放到固定分辨率（如 640×640），避免变形。
颜色空间转换：BGR → RGB。
归一化处理：像素值从 [0, 255] 映射到 [0.0, 1.0]。
Tensor 转换：HWC → CHW，转为 PyTorch 张量格式。

该流程已在ultralytics/engine/predictor.py中标准化，确保所有任务共用同一套前处理代码，提升工程一致性。

def preprocess(self, im): if not isinstance(im, torch.Tensor): im = np.stack(self.pre_transform(im)) im = im[..., ::-1].transpose((0, 3, 1, 2)) # BGR to RGB, HWC to CHW im = torch.from_numpy(np.ascontiguousarray(im)) im = im.to(self.device) im = im.half() if self.model.fp16 else im.float() im /= 255.0 # 归一化 return im

提示：此预处理逻辑对所有任务通用，开发者只需实现一次即可复用。

3.2 分支化后处理逻辑

尽管输入处理统一，但不同任务的输出解码方式有所不同，主要体现在后处理阶段：

3.2.1 目标检测（Detection）

输出维度为[batch, num_boxes, 4 + num_classes]，其中：

前 4 项为(cx, cy, w, h)，表示边界框中心与宽高；
后num_classes项为各类别的置信度得分。

后处理步骤包括：

解码边界框（decode boxes）
应用 NMS（Non-Max Suppression）去除重叠框
映射回原始图像坐标系

results = model(img) boxes = results[0].boxes.data.tolist() # 获取检测框

3.2.2 实例分割（Segmentation）

除检测头外，额外输出掩码头（Mask Head），输出包含：

检测框信息（同上）
掩码原型（mask prototypes）与每个实例的掩码系数

最终通过矩阵乘法生成高分辨率二值掩码，并裁剪至对应边界框区域。

masks = results[0].masks.data # shape: [n, h, w]

3.2.3 姿态估计（Pose Estimation）

输出包含：

检测框
关键点热图或直接坐标回归结果（通常为 17×3，含 x, y, 可见性）

关键点会自动关联到所属的人体检测框上，便于可视化与后续动作识别。

keypoints = results[0].keypoints.data # shape: [n, 17, 3]

3.2.4 图像分类（Classification）

仅输出全局类别概率分布，无定位信息。

probs = results[0].probs.data # top-5 probabilities

3.2.5 OBB（旋转框检测）

输出为[cx, cy, w, h, angle, conf, class]，支持倾斜文本、航空影像等场景。

4. 部署实践：基于 YOLO11 镜像的多任务运行

根据提供的镜像文档，用户可通过 Jupyter 或 SSH 方式进入 YOLO11 开发环境，快速验证各类任务。

4.1 环境准备

首先进入项目目录：

cd ultralytics-8.3.9/

确保已下载对应任务的预训练权重文件，例如：

yolo11s.pt（检测）
yolo11s-seg.pt（分割）
yolo11s-pose.pt（姿态）
yolo11s-cls.pt（分类）

4.2 各任务调用示例

4.2.1 目标检测

from ultralytics import YOLO model = YOLO("yolo11s.pt") results = model("ultralytics/assets/bus.jpg") for r in results: print(r.boxes) # 打印检测框 r.save("result_detect.jpg") # 保存结果图

4.2.2 实例分割

model = YOLO("yolo11s-seg.pt") results = model("ultralytics/assets/zidane.jpg") for r in results: print(r.masks) # 打印掩码 r.plot(boxes=False) # 只显示掩码 r.save("result_seg.jpg")

4.2.3 姿态估计

model = YOLO("yolo11s-pose.pt") results = model("ultralytics/assets/bus.jpg") for r in results: print(r.keypoints) # 打印关键点 r.save("result_pose.jpg")

4.2.4 图像分类

model = YOLO("yolo11s-cls.pt") results = model("ultralytics/assets/dog.jpg") for r in results: print(r.probs) # 打印分类概率 r.save("result_cls.jpg")

5. ONNX 导出与跨平台部署

为了实现高性能推理（如 TensorRT 加速），需将模型导出为 ONNX 格式。以下以检测任务为例说明导出方法。

5.1 修改源码适配 ONNX 导出

为兼容 TensorRT，需做如下修改：

修改`ultralytics/engine/exporter.py`

# 第400行附近 output_names = ["output"] # 统一输出节点名 dynamic = {"images": {0: "batch"}} # 仅 batch 动态

修改`ultralytics/nn/modules/head.py`

# forward 函数中 return y.permute(0, 2, 1) if self.export else (y, x) # 调整维度顺序

5.2 执行导出脚本

from ultralytics import YOLO model = YOLO("yolo11s.pt") success = model.export(format="onnx", dynamic=True, simplify=True)

执行后生成yolo11s.onnx，可用 Netron 查看结构：

输入：images，shape[batch, 3, 640, 640]
输出：output，shape[batch, 8400, 84]

注意：分割、姿态等任务导出方式相同，只需更换模型文件即可。

6. C++ 部署集成方案

参考tensorRT_Pro-YOLOv8项目，可实现 YOLO11 的高效 C++ 部署。

6.1 编译配置

支持 CMake 和 Makefile 两种方式，需设置以下路径：

lean_tensor_rt := /opt/TensorRT-8.4.1.5 lean_cudnn := /usr/local/cudnn8.4.0.27-cuda11.6 lean_opencv := /usr/local lean_cuda := /usr/local/cuda-11.6 lean_protobuf := /home/jarvis/protobuf

6.2 源码修改要点

编辑app_yolo.cpp文件：

// 注释掉其他测试 // test(Yolo::Type::V8, TRT::Mode::FP32, "yolov8s"); // 启用 YOLO11 测试 test(Yolo::Type::V11, TRT::Mode::FP32, "yolo11s"); // 自定义类别（可选） static const char *cocolabels[] = {"person", "car", "dog"};

6.3 编译与运行

make yolo -j64

成功编译后生成.trtmodel文件，并输出推理结果图像至指定目录。

7. 总结

YOLO11 作为新一代一体化视觉模型，全面支持五大核心任务：

✅目标检测
✅实例分割
✅姿态估计
✅图像分类
✅旋转框检测（OBB）

其优势在于：

统一架构：共用 Backbone 与预处理流程，降低维护成本；
接口一致：Python API 使用方式完全相同，易于切换任务；
部署友好：ONNX 导出逻辑统一，便于跨平台加速；
生态完善：依托 Ultralytics 生态，支持训练、验证、导出全流程。

对于开发者而言，只需掌握一套基础流程，即可快速构建涵盖检测、分割、姿态等多种能力的 AI 应用系统。结合提供的 YOLO11 镜像环境，更可实现“开箱即用”的开发体验。

获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

YOLO11支持哪些任务？检测/分割/姿态全都有