YOLOv11x 是 YOLO 第十一代中的旗舰版本（extra-large），专为追求极致检测精度与强泛化能力的复杂场景打造。该模型在网络深度、宽度和感受野设计上全面增强，引入自注意力机制、动态特征选择模块和改进的跨尺度上下文建模策略，大幅提升了对密集目标、小目标以及遮挡目标的识别性能。

YOLOv11x 面向如自动驾驶高阶场景、远程医疗影像分析、智慧城市感知系统、大规模工业质检等对模型性能要求极高的领域。它在 COCO、Objects365 等数据集上取得了领先的 mAP 和 Recall 表现，并具备良好的跨域迁移能力。

尽管 YOLOv11x 的参数量和计算需求显著提升，但通过结构压缩、分布式推理优化与硬件加速协同设计，依然能在高性能计算平台上实现可控的实时处理能力。模型支持 ONNX、TensorRT、OpenVINO 等主流框架部署，是构建下一代高端视觉系统的核心引擎。

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