YOLO11-4K：4K 全景图像实时检测框架

2.2 模型下载

YOLO11-4K 预训练模型（兼容 ultralytics 格式）：

# 下载 YOLO11-4K small 版（平衡速度与精度）
wget https://github.com/ultralytics/assets/releases/download/v8.2.0/yolo11s_4k.pt
# 或手动下载：https://github.com/ultralytics/yolov11/releases

三、核心实现：4K 图像分块推理（Python）

3.1 4K 图像分块工具（核心代码）

封装自适应分块函数，自动处理 4K 图像的分块、重叠区、边缘补齐：

import cv2
import numpy as np
from typing import List, Tuple

class YOLO11_4K_Splitter:
    """YOLO11-4K 4K 图像分块工具"""
    def __init__(self, block_size: int = 1280, stride: int = 1024):
        """
        Args:
            block_size: 分块大小（推荐 1280）
            stride: 滑动步长（推荐 1024，重叠 256 像素）
        """
        self.block_size = block_size
        self.stride = stride
        self.overlap = block_size - stride

    def split_4k_image(self, img: np.ndarray) -> Tuple[List[np.ndarray], List[Tuple[int, int]]]:
        """
        分割 4K 图像为多个子块，并记录每个块的偏移坐标
        Args:
            img: 4K 图像（HWC, BGR）
        Returns:
            blocks: 子块列表
            offsets: 每个子块的左上角偏移坐标 (x, y)
        """
        h, w = img.shape[:2]
        blocks = []
        offsets = []
        # 计算分块数量
        num_cols = (w - self.overlap) // self.stride + 1
        num_rows = (h - self.overlap) // self.stride + 1
        # 补齐边缘块（避免遗漏）
        pad_w = num_cols * self.stride + self.overlap - w
        pad_h = num_rows * self.stride + self.overlap - h
        if pad_w > 0 or pad_h > 0:
            img = cv2.copyMakeBorder(img, 0, pad_h, 0, pad_w, cv2.BORDER_CONSTANT, value=(0, 0, 0))
        # 滑动窗口分块
        for y in range(0, h, self.stride):
            for x in range(0, w, self.stride):
                # 截取子块（处理边缘）
                y_end = min(y + self.block_size, h + pad_h)
                x_end = min(x + self.block_size, w + pad_w)
                block = img[y:y_end, x:x_end]
                # 补齐到 block_size（避免尺寸不一致）
                if block.shape[0] < self.block_size or block.shape[1] < self.block_size:
                    block = cv2.copyMakeBorder(block, 0, pad_h, 0, pad_w, cv2.BORDER_CONSTANT, value=(0, 0, 0))
                blocks.append(block)
                offsets.append((x, y))
        return blocks, offsets