Ultralytics YOLO11模型预测初体验（+实例+亲测）

在机器学习和计算机视觉领域，从可视数据中找出意义的过程被称为 "推理 "或 "预测"。Ultralytics YOLO11 提供了一个名为 "预测模式"的强大功能，专门用于对各种数据源进行高性能的实时推理。

为什么使用Ultralytics YOLO 进行推理？

以下是您应该考虑使用YOLO11 的预测模式来满足各种推理需求的原因：

• 多功能性：能够对图像、视频甚至实时流进行推断。
• 性能：专为实时、高速处理而设计，同时不影响精度。
• 易用性：直观的Python 和CLI 界面，便于快速部署和测试。
• 高度可定制：各种设置和参数可根据您的具体要求调整模型的推理行为。

预测模式的主要功能

YOLO11预测模式的设计坚固耐用、用途广泛，具有以下特点：

• 兼容多种数据源：无论您的数据是单个图像、图像集合、视频文件还是实时视频流，预测模式都能满足您的需求。
• 流媒体模式： 使用流功能生成内存效率高的 Results 对象。通过设置 stream=True 在预测器的调用方法中。
• 批处理：能够批量处理多个图像或视频帧，进一步加快推理时间。
• 易于集成：凭借灵活的应用程序接口，可轻松与现有数据管道和其他软件组件集成

Ultralytics YOLO 模型返回Python Results 对象，或一个内存效率高的Python Results 当 stream=True 会在推理过程中传递给模型。

推理源

YOLO11 可以