语言:

• 英文 库名称: ultralytics 任务标签: 目标检测 标签:
• yolo
• 目标检测
• yolo11
• yolov11

基于YOLO11x的数字与运算符检测模型

本仓库包含一个PyTorch导出的YOLO11x架构模型，用于检测数字（0-10）和基础算术运算符（+、-、×、÷、=）。该模型经过训练可识别图像中的这些符号，并返回其位置和分类信息。

模型描述

YOLO11x模型针对以下目标进行了优化检测：

• 数字类：0、1、2、3、4、5、6、7、8、9、10
• 运算符类：+、-、×、÷、=

#类别
0
1
2
3
4
5
6
7
8
9
div
eqv
minus
mult
plus

使用方法

在项目中使用本模型，请按以下步骤操作：

1. 安装依赖

确保已安装用于YOLO模型的ultralytics库：

pip install ultralytics

2. 加载模型

可通过以下方式加载模型并对图像进行检测：

from ultralytics import YOLO

# 加载模型
model = YOLO("./number_11x.pt")

# 对图像执行检测
results = model("image.png")

# 显示或处理结果
results.show()  # 显示带检测结果的图像

3. 模型推理

结果对象包含每个检测目标的边界框、标签（如数字或运算符）和置信度分数。

按如下方式访问：

for result in results:
    print(result.boxes)   # 边界框信息
    print(result.names)   # 检测到的类别
    print(result.scores)  # 置信度分数

#yolo11