yolov11输出预测框的坐标

### 获取YOLOv11预测框坐标的方法

对于YOLO系列模型而言，获取预测框坐标的机制大体相似。尽管当前提及的是YOLOv11版本，但可以借鉴较早版本如YOLOv8中的实现方式来推断。

当利用`ultralytics`库加载预训练好的YOLO模型并执行预测时，可以通过调整参数控制输出的具体形式。例如，在调用`model.predict()`方法时设置特定选项能够影响最终返回的结果集[^1]。

为了从YOLOv11中提取预测框的坐标信息，假设此版本继承了类似的API设计，则可采取如下Python代码片段作为示范：

from ultralytics import YOLO

# 加载YOLOv11模型
model = YOLO("yolov11.pt")

source_path = "path_to_image_or_video"

results = model.predict(source=source_path, save=True, show_conf=False)

for result in results:
    boxes = result.boxes.cpu().numpy()
    for box in boxes:
        xyxy = box.xyxy  # 左上角(x,y)，右下角(x,y)
        conf = box.confidence  # 置信度分数
        cls = int(box.cls)  # 类别索引
        
        print(f"Box coordinates: {xyxy}, Confidence: {conf:.2f}, Class ID: {cls}")

上述脚本展示了如何遍历每一个检测结果，并从中抽取边界框的位置数据、置信度以及类别编号。值得注意的是，实际应用中可能需要依据官方文档确认最新版YOLOv11的确切属性名称和访问路径。

此外，若希望进一步处理这些坐标值（比如绘制矩形或将它们保存至文件），则可以根据需求编写额外的功能模块。考虑到不同版本间可能存在差异，建议查阅YOLOv11的相关资料或源码以确保兼容性和准确性。