揭秘 YOLOv11：高性能目标检测实用指南
计算机视觉与模式识别
2026-04-07 v1
摘要
YOLOv11 是实时目标检测器 YOLO（You Only Look Once）系列的最新版本，引入了新颖的架构模块以改进特征提取和小目标检测。本文对 YOLOv11 进行了详细分析，包括其骨干网络、颈部和头部组件。该模型的关键创新——C3K2 模块、快速空间金字塔池化（SPPF）和 C2PSA（带空间注意力的跨阶段部分连接）模块——在保持速度的同时增强了空间特征处理。我们在标准基准上将 YOLOv11 的性能与之前的 YOLO 版本进行了比较，突出了在平均精度均值（mAP）和推理速度方面的提升。我们的结果表明，YOLOv11 在不牺牲实时能力的情况下实现了卓越的精度，使其非常适合自动驾驶、监控和视频分析等应用。这项工作在研究语境下对 YOLOv11 进行了规范化，为未来的研究提供了清晰的参考。
引用
@article{arxiv.2604.03349,
title = {YOLOv11 Demystified: A Practical Guide to High-Performance Object Detection},
author = {Nikhileswara Rao Sulake},
journal= {arXiv preprint arXiv:2604.03349},
year = {2026}
}
备注
Paper accepted to CVC 2026 conference, but not continued due to no financial support