返回模型
说明文档
🦴 YOLO11 — 骨折检测 (冻结10层, FP16 ONNX)
本模型基于 YOLO11n 进行微调，用于骨折检测，使用的是
Fracture Dataset (Roboflow) 数据集。
前 10 层被冻结以保留预训练的检测特征，模型已导出为 ONNX (FP16) 格式以便部署。
⚙️ 配置
| 属性 | 值 |
|---|---|
| 基础模型 | yolo11n.pt |
| 数据集 | Fracture (Roboflow) |
| 训练轮数 | 30 |
| 批次大小 | 32 |
| 图像尺寸 | 640×640 |
| 优化器 | 自动 |
| 冻结层数 | 10 |
| 精度 | FP16 (half=True) |
| 导出格式 | ONNX |
| 设备 | GPU (0,1) |
🩺 检测示例
📈 结果
| 指标 | 值 |
|---|---|
| mAP50 | 0.920 |
| mAP50-95 | 0.524 |
| 精确率 (B) | 0.903 |
| 召回率 (B) | 0.832 |
| 推理时间 (ms) | 33.04 |
| FPS | 30.27 |
| 模型大小 (MB) | 5.2 |
FP16 推理在保持与 FP32 相同精度的同时降低了延迟。
层冻结提高了训练稳定性，并避免了在有限数据集上的过拟合。
Jesteban247/yolo11-fracture-onnx
作者 Jesteban247
object-detection
ultralytics
↓ 0
♥ 0
创建时间: 2025-10-23 08:40:49+00:00
更新时间: 2025-10-23 08:57:16+00:00
在 Hugging Face 上查看文件 (6)
.gitattributes
Fracture.png
README.md
args.yaml
best.onnx
ONNX
results.csv