核心内容摘要
倾注白桃味——奶糖logo白桃少女
小白也能懂的YOLO11目标检测保姆级教程你是不是也遇到过这样的问题想用AI识别图中的人和车但一看到“YOLO”“backbone”“SPPF”这些词就头皮发麻下载代码、配环境、改配置、调参数……光是看文档就花了两小时还没跑出第一张结果图别急。
这篇教程就是为你写的——不讲原理推导不堆术语不假设你会Python或Linux连conda都没装过也没关系。
我们用一个现成的YOLO11镜像从打开浏览器开始到亲手训练出能识别人和车的模型全程可视化操作每一步都有截图、有命令、有解释就像朋友手把手带你做。
你只需要会复制粘贴、会点鼠标、知道“图片里有几个人、几辆车”就能完成整个流程。
先搞清楚YOLO11到底是什么我能用它做什么YOLO11不是“第11代YOLO”而是Ultralytics团队推出的最新稳定版目标检测框架命名延续了YOLOv8/v10的语义习惯。
它不是纸上谈兵的论文模型而是一个开箱即用、完整封装、带Jupyter和SSH双入口的开发环境。
简单说它已经帮你装好了Python、PyTorch、OpenCV、Ultralytics库甚至预置了训练脚本、数据工具、标注指南和示例数据——你不用再为“pip install失败”“CUDA版本不匹配”“找不到ultralytics模块”抓狂。
你能用它做什么识别照片/视频里的人、车、猫、狗、杯子、椅子……只要你想标把手机拍的5张街景图10分钟变成可训练的数据集训练一个轻量小模型YOLO11n在普通笔记本上也能跑起来看见预测框精准框住行人、准确标出车辆轮廓还能导出带框的图片它不追求“SOTA排行榜第一”而是追求“你今天下午就能跑通明天就能用在自己数据上”。
零基础启动3分钟进入YOLO11工作台YOLO11镜像已为你准备好完整环境。
你不需要本地装GPU驱动、不需编译源码、不需配置虚拟环境——只需一个浏览器。
1 通过Jupyter Lab直接开始编码推荐新手这是最友好的方式所有代码在网页里写、运行、看结果像用Excel一样直观。
打开镜像后首页会显示一个Jupyter Lab界面就是你看到的第一个图左侧文件栏里你会看到ultralytics-
8.
9/这个文件夹——这就是YOLO11的核心工程目录双击进入里面已有全部训练脚本、配置文件、工具脚本和示例资源小贴士Jupyter里每个.ipynb文件都是“活文档”。
你可以点单元格→按CtrlEnter运行代码结果立刻显示在下方出错了也会提示哪一行有问题比黑窗口友好十倍。
2 用SSH连接执行命令适合习惯终端的用户如果你更喜欢敲命令镜像也提供了SSH服务第二个图使用任意SSH客户端如Windows自带的PowerShell、Mac的Terminal、或免费的PuTTY连接地址ssh -p [端口] useryour-server-ip密码已在镜像启动页给出通常为user或password具体以实际镜像说明为准连上后第一件事就是进项目目录cd ultralytics-
8.
9/这行命令的意思是“请带我到YOLO11的工作主目录”。
之后所有操作都基于这个位置。
注意不要跳过这步YOLO11的路径是硬编码的不在这个目录下运行脚本会找不到配置、找不到数据、报一堆FileNotFoundError。
你的第一个任务只识别人和车5张图起步我们不一上来就训COCO数据集80类、上万张图。
我们从最简单的开始只区分“人”和“车”两类用你手机拍的5张街景图。
为什么选这个因为类别少 → 标注快1张图平均1分钟图片少 → 训练快笔记本CPU上10分钟出结果场景熟 → 结果一眼能判断准不准“框住了吗框错了吗”整个过程分四步准备图 → 标出来 → 转格式 → 分训练验证集。
全部用镜像里自带的工具无需额外安装。
1 准备你的5张照片拍5张含有人或车的日常照片比如小区门口、路边停车、商场入口保存为JPG格式不要PNG避免通道问题上传到镜像的这个路径resources/images/det/json/Jupyter里右键文件夹→Upload或用SSH的scp命令上传示例结构你上传后应该看到resources/ └── images/ └── det/ └── json/ ├── img
jpg ├── img
jpg └── ...
2 用Labelme标出“人”和“车”镜像已预装Labelme——目前最主流、最易上手的开源标注工具。
在SSH终端或Jupyter终端中输入labelme界面弹出后点击左上角Open Dir→ 选择resources/images/det/json/逐张打开图片用左侧“矩形框”工具框住每个人、每辆车框完后在弹出的对话框里输入类别名person或car必须小写必须拼对点击Save自动生成同名.json文件如img
jpg→img
json关键提醒不要输成Person、CAR、people、automobile——YOLO11只认person和car一个图可以标多个框比如3个人2辆车就画5个框标完一张务必点Save否则关闭后丢失
3 一键转成YOLO格式标签YOLO11不读JSON它要的是每张图对应一个.txt文件每行一个目标格式是类别序号 中心x(归一化) 中心y(归一化) 宽度(归一化) 高度(归一化)别手动算镜像里有现成脚本python tool/tool_json2label_det.py运行后会在同目录下生成labels/文件夹里面是img
txt、img
txt……内容已自动计算好。
举个真实例子假设img
jpg是640×480像素你框了一个位于(100,
、宽200高300的“person”脚本会输出0
234
469
312
625——全是小数范围0~1YOLO11就认这个。
4 自动划分训练集和验证集机器学习不能“全拿去学”得留一部分“考卷”检验效果。
我们把5张图按8:2分4张训练 1张验证python tool/tool_det2datasets.py运行后自动生成标准YOLO目录结构resources/images/det/datasets/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/你的5张图和对应标签已被随机打乱、正确分配、放入对应文件夹。
此时数据准备全部完成。
没有手动建文件夹没有复制粘贴错路径没有格式报错。
开始训练改3个地方点一下就跑起来YOLO11训练不需要你从头写模型。
我们复用镜像预置的train_det.py脚本第三个图只改3处关键配置就能启动训练。
1 确认数据配置文件打开resources/config/data/yolo11-det.yaml检查以下三行path: ../ultralytics-yolo11/resources/images/det/datasets/images train: train val: val names: 0: person 1: carpath指向你刚生成的图片根目录train/val对应子文件夹名默认就是train和valnames顺序和你标注时输入的完全一致person0car1如果路径不对训练会报错“no images found”——这是新手最常卡住的地方请务必核对。
2 选择合适模型大小YOLO11提供多个尺寸模型nnano、ssmall、mmedium……越小越快越大越准。
小白首选n版本参数最少、显存占用最低、CPU上也能训。
打开train_det.py找到这行model YOLO(resources/config/model/yolo11-det.yaml).load(weights/det/yolo11n.pt)确保加载的是yolo11n.pt不是s或myolo11n.pt是官方预训练权重已内置在镜像中无需下载
3 启动训练真正的一键回到Jupyter新建一个终端Terminal输入cd ultralytics-
8.
9/ python train_det.py或者直接在Jupyter里运行train_det.py的代码单元。
你会看到滚动的日志Epoch GPU_mem box_loss cls_loss dfl_loss Instances Size 0/999
2G
2456
8765
0234 127 640 1/999
2G
1987
8213
9876 132 640 ...box_loss定位损失和cls_loss分类损失数字在稳步下降 → 模型正在学会Instances数字在变化 → 它正从图中检出目标每10轮自动保存一次权重 →runs/detect/train/weights/last.pt、best.pt⏱ 预估时间CPU模式无GPU5张图100轮约8–12分钟GPU模式如有1–2分钟训练中途可关机下次运行加resumeTrue脚本已默认开启
看见结果用训练好的模型检测新图训练结束你会在runs/detect/train/weights/下看到两个重要文件best.pt验证集指标最好的模型我们用它last.pt最后一轮的模型用于断点续训现在用predict_det.py脚本让模型“考试”
1 修改预测脚本打开predict_det.py确认这几行model YOLO(runs/detect/train/weights/best.pt) # 指向你刚训好的模型 results model.predict( sourceresources/images/det/datasets/images/val, # 验证集图片路径 imgsz480, # 输入尺寸比训练小更快 projectdetect/predict, nameexp, saveTrue, # 必须为True才能保存带框图片 conf
4, # 置信度阈值
4以上才画框太低会框很多噪点 iou
7, # 框重叠阈值合并相似框 devicecpu # CPU用户写cpuGPU用户可写cuda )
2 运行预测查看成果在终端运行python predict_det.py几秒后生成结果路径detect/predict/exp/进去看*.jpg文件——每张原图旁边多了一张带彩色框的图蓝色框 “person
92” → 模型认为是人信心92%绿色框 “car
85” → 模型认为是车信心85%判断是否成功只看三点框有没有大致罩住目标不求像素级精准但不能偏移半个身子类别标对没人没标成车车没标成人没有漏框图中3个人它框出了3个如果基本达标恭喜你——你已独立完成一次端到端的目标检测训练。
这不是Demo是你自己的模型。
进阶小技巧让效果更好一点点刚训完的模型可能还不够完美。
别急这里有几个零门槛优化法不用改代码只调几个参数
1 提升检测准度调高置信度阈值如果图中框太多比如把电线杆当人把predict_det.py里的conf
4改成conf
6再跑一次。
框会变少但更靠谱。
2 加快推理速度换更小输入尺寸把imgsz480改成imgsz320预测快一倍适合实时场景如USB摄像头流。
3 多图批量预测source不仅支持文件夹还支持单张图sourcemy_photo.jpg视频sourceroad.mp4自动抽帧检测摄像头source0调用默认摄像头试试把source0运行脚本看YOLO11实时框出你面前的人和车。
7.
总结你已经掌握的远不止YOLO11回看这一路 你没装任何依赖却拥有了完整的深度学习环境 你没写一行模型代码却定义了网络结构、损失函数、优化器 你没碰过PyTorch API却完成了数据加载、前向传播、反向传播、权重更新 你只用了5张图、30分钟、一个浏览器就让AI认识了“人”和“车”这背后不是魔法而是YOLO11镜像把所有工程细节封装好了——它把“目标检测”从一门需要3年修炼的功夫变成了一套清晰可循的操作手册。
下一步你可以换自己的数据拍10张宠物照标“cat”和“dog”重训一个萌宠检测器换更大模型把yolo11n.pt换成yolo11s.pt看精度提升多少接入业务把predict_det.py改成Web API让公司前端调用技术从不遥远。
当你第一次看见自己训的模型稳稳框住照片里那个穿红衣服的人——那一刻你就已经入门了。