YOLO11l-obb 是 Ultralytics YOLO11 系列中的大型定向边界框（Oriented Bounding Box，OBB）检测模型，专为高精度和高效率的方向敏感目标检测任务设计，适用于需要处理复杂场景和多角度物体的应用。

主要特性：

• 高精度性能：在 DOTAv1 数据集上，YOLO11l-obb 的 mAP@50 为 81.0%，表现优于 YOLO11n-obb、YOLO11s-obb 和 YOLO11m-obb。
• 推理速度：在 CPU 上，ONNX 格式下的推理速度为 712.5 毫秒；在 T4 TensorRT10 上，推理速度为 13.5 毫秒。
• 模型规模：包含约 26.2M 参数和 232.0B FLOPs，适用于高性能计算平台。
• 应用场景：广泛应用于航拍图像分析、城市规划、农业监控、能源设施检测等需要精确识别方向敏感物体的领域。

源模型

• 输入尺寸: 1x3x1024x1024
• 参数量: 24.99M
• 模型大小: 100.13M
• 输出尺寸: 1x20x21504

源模型仓库: yolo11l-obb

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md