YOLOv11l 是 YOLO 第十一代系列中的大型版本（large），面向需要高精度、多目标识别能力的复杂视觉任务。该模型在结构上进一步加深网络层数、扩展通道宽度，并引入增强型注意力模块与跨尺度特征融合机制，显著提升了模型的表达能力与目标区分能力。

YOLOv11l 在遮挡、背景复杂、多尺度目标等场景下表现尤为出色，适用于如自动驾驶、城市监控、智能安防、工业缺陷检测等高可靠性要求的实际应用场景。得益于改进的解码结构与多阶段正负样本分配策略，YOLOv11l 在 COCO 等数据集上实现了领先的 mAP 表现。

尽管模型参数量和计算量相较中型模型更大，YOLOv11l 仍通过高效推理路径和算子优化保持较快的推理速度，支持 ONNX、TensorRT、OpenVINO 等主流部署方式，是构建高性能视觉系统的重要基石。

Model Farm 提供预编译好的模型资源以及推理代码，支持以下两种方式获取：

• 通过 Model Farm 页面获取：在右侧性能参考板块中点击模型 & 代码获取模型资源及代码包。

• 通过命令获取（推荐）：持有阿加犀开发板的用户，可以通过开发板内置的 MMS 工具获取模型资源及代码包。

# 模型查询
mms list [model name]

# 模型资源获取
mms get -m [model name] -p [precision] -c [soc] -b [backend] -d [file path]

MMS 具体使用请参考：MMS 使用 & 提前获取预览版块模型

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