增加Yolo11模型

[yicycyc]

本 PR 在 PaddleClas 中新增 YOLO11-cls 分类模型的 Paddle 实现，覆盖 n/s/m/l/x 五个规格。

YOLO11 在上游 Ultralytics 中没有 timm 对应实现，且其官方实现基于 PyTorch。为了满足 PaddleClas 的接入要求，本次迁移未复用 PyTorch 网络代码，而是参考 PaddleClas 现有模型实现方式，完成了纯 Paddle 版本的网络重写、配置接入和文档补充。
在精度验证上，完成了下面的验证：

• 做到官方权重下的前向数值对齐
• 在 ImageNet1k 验证集上完成精度复现

1. 新增 YOLO11-cls 模型实现

新增 Paddle 版 YOLO11-cls Backbone，实现文件：

• ppcls/arch/backbone/model_zoo/yolo11.py

支持以下模型：

• YOLO11_cls_n
• YOLO11_cls_s
• YOLO11_cls_m
• YOLO11_cls_l
• YOLO11_cls_x

并完成注册：

• ppcls/arch/backbone/__init__.py

2. 新增 ImageNet 配置

新增 YOLO11-cls 的 ImageNet 配置文件：

• ppcls/configs/ImageNet/YOLO11/YOLO11_cls_n.yaml
• ppcls/configs/ImageNet/YOLO11/YOLO11_cls_s.yaml
• ppcls/configs/ImageNet/YOLO11/YOLO11_cls_m.yaml
• ppcls/configs/ImageNet/YOLO11/YOLO11_cls_l.yaml
• ppcls/configs/ImageNet/YOLO11/YOLO11_cls_x.yaml

说明：

• 配置中的评估预处理已与 Ultralytics 官方分类模型保持一致
• 使用 Resize(224) -> CenterCrop(224) -> ToTensor
• 不使用 ImageNet mean/std 标准化，因此 NormalizeImage 采用 mean=[0,0,0]、std=[1,1,1]

3. 新增模型文档

新增中文模型文档：

• docs/zh_CN/models/ImageNet1k/YOLO11.md

验证结果

1. 前向对齐

基于 Ultralytics 官方 yolo11*-cls.pt 权重，对 Paddle 模型与源模型进行前向对齐，比较末级特征 feat 和分类输出 out：

模型	feat max_abs_diff	out max_abs_diff
YOLO11_cls_n	4.23e-6	3.81e-6
YOLO11_cls_s	9.48e-6	9.66e-6
YOLO11_cls_m	3.24e-6	5.96e-6
YOLO11_cls_l	6.14e-6	3.34e-6
YOLO11_cls_x	3.70e-6	3.10e-6

结论：

• 五个规格均完成前向对齐
• 最大绝对误差稳定在 1e-5 以内

2. ImageNet1k 精度复现

在 ImageNet1k val 集上评估结果如下：

模型	Paddle Top1	Paddle Top5	Reference Top1	Reference Top5
YOLO11_cls_n	0.70054	0.89390	0.700	0.894
YOLO11_cls_s	0.75402	0.92644	0.754	0.927
YOLO11_cls_m	0.77402	0.93836	0.773	0.939
YOLO11_cls_l	0.78344	0.94224	0.783	0.943
YOLO11_cls_x	0.79428	0.94878	0.795	0.949

结论：

• Paddle 复现精度与 Ultralytics 官方结果基本一致
• 说明模型实现、权重转换和评估预处理均已对齐

[paddle-bot]

Thanks for your contribution!

[zhangyubo0722]

需要模型权重，发给负责人，负责人提供链接后写到代码中