Yolov11与Yolov8在西红柿识别数据集上对比

Ultralytics 最新发布的 YOLOv11 相较于其上一代产品 YOLOv8，虽然没有发生革命性的变化，但仍有一些显著的改进（值得注意的是，YOLOv9 和 YOLOv10 并非由 Ultralytics 开发）。其中，最引人注目的变化包括：

1. C2f 模块更新为 C3K2 模块：这一变化体现在 YOLOv11 的主干网络中，进一步优化了特征提取效率。

2. 在 SPPF 后加入类似注意力机制的 C2PSA：这个新模块有助于增强网络的关注机制，改善特征选择能力，提升检测性能。

3. 检测头的改进：YOLOv11 中的检测头内部进行了调整，替换了两个深度可分离卷积（DWConv），这不仅降低了计算量，还在一定程度上提升了检测效果。

4. 深度和宽度参数的大幅调整：相较于 YOLOv8，YOLOv11 对模型的深度和宽度参数做了优化调整，进一步增强了网络在处理复杂场景下的表现。

值得一提的是，这些变化中有些并不能从模型的 YAML 配置文件中直接看出，比如检测头的具体卷积变化。此外，YOLOv11 在损失函数方面没有进行更新，依然采用 CIoU 作为边界框回归的损失函数，保持了 YOLOv8 中成熟的损失优化策略。

这些改进使 YOLOv11 在检测速度与精度之间达到了更好的平衡，进一步强化了其在实际应用中的表现。

在西红柿检测数据集指标对比：

Yolov8结果展示：

Yolov11结果展示：