yolov13

GitHub
1.6k 171 简单 1 次阅读 昨天AGPL-3.0图像
AI 解读 由 AI 自动生成，仅供参考

YOLOv13 是一款新一代实时目标检测开源模型，旨在以极高的效率和精度识别图像或视频中的物体。它主要解决了传统检测器在复杂场景下难以捕捉高阶视觉关联、以及模型轻量化与高性能难以兼得的痛点，让设备在保持快速响应的同时，也能精准处理细节丰富的画面。

这款工具非常适合计算机视觉开发者、算法研究人员以及需要部署边缘检测应用的工程师使用。无论是进行学术研究、模型训练，还是将检测功能集成到 Android 手机、华为昇腾或瑞芯微等硬件设备中，YOLOv13 都提供了完善的支持和便捷的接口。

其核心技术亮点在于引入了“超图增强自适应视觉感知”机制。通过 HyperACE 模块，它能将特征像素视为超图节点，自适应地探索并聚合多尺度间的高阶关联信息；配合 FullPAD 全流水线聚合分发范式，实现了整个网络层级的细粒度信息流动与协同。此外，YOLOv13 采用基于深度可分离卷积的轻量化模块，在大幅减少参数量和计算成本的同时，依然保留了强大的感受野，提供了从 Nano 到 X-Large 多种尺寸变体，满足不同场景的性能需求。

使用场景

某智慧物流园区的技术团队正致力于升级其自动化分拣系统，需要在高速传送带上实时精准识别各类形状不规则、部分遮挡的快递包裹。

没有 yolov13 时

  • 面对包裹堆叠或严重遮挡场景，传统检测模型因缺乏高阶特征关联能力，频繁出现漏检或误判，导致分拣错误率居高不下。
  • 为了维持一定的识别精度，不得不部署重型模型，致使边缘计算设备推理延迟高，无法匹配传送带的高速运转节奏。
  • 多尺度特征融合不够精细，小尺寸标签或异形包裹在复杂背景下极易丢失，需人工介入复核，增加了运营成本。
  • 模型参数量大且计算冗余，难以在功耗受限的嵌入式工控机或移动端设备上流畅运行，部署灵活性差。

使用 yolov13 后

  • 借助 HyperACE 超图自适应增强技术，yolov13 能敏锐捕捉像素间的高阶关联，即使在包裹紧密堆叠时也能实现极高精度的完整识别。
  • 依托 FullPAD 全流水线聚合范式，yolov13 在保持实时高速推理的同时显著提升了梯度传播效率，完美适配高速分拣节拍。
  • 通过细粒度的信息流协同机制，yolov13 强化了对多尺度特征的感知，轻松锁定微小标签及异形件，基本消除了人工复核需求。
  • 基于深度可分离卷积的轻量化设计大幅降低了参数与算力消耗，使 yolov13 能轻松部署于各类边缘设备及安卓终端，扩展性极强。

yolov13 通过超图增强与全链路优化，在极端复杂的工业场景中实现了速度与精度的双重突破，重新定义了实时物体检测的效率标杆。

运行环境要求

操作系统
  • Linux
GPU

需要 NVIDIA GPU 以支持 Flash Attention 加速，预编译包指定 CUDA 11 (cu11)，具体显存需求未说明（建议根据模型规模 N/S/L/X 配置 4GB-24GB+）

内存

未说明

依赖
notes1. 官方安装示例明确提供了针对 Linux x86_64 架构、Python 3.11、CUDA 11 和 Torch 2.2 的 Flash Attention 预编译包 (.whl)，其他环境需自行编译或寻找对应版本。 2. 项目基于 Ultralytics 框架，支持训练、验证、预测及导出为 ONNX/TensorRT 格式。 3. 支持华为 Ascend (OM) 和 Rockchip (RKNN) 部署，以及 Android 端部署。
python3.11
ultralytics
flash-attn==2.7.3
torch>=2.2
yolov13 hero image

快速开始

YOLOv13：基于超图增强自适应视觉感知的实时目标检测

arXiv iMoonLab HyperAI Demo

更新

目录

技术简介 💡

隆重推出YOLOv13——新一代实时检测器，具备前沿的性能与效率。YOLOv13家族包含Nano、Small、Large和X-Large四种变体，其核心技术包括：

  • HyperACE：基于超图的自适应相关性增强

    • 将多尺度特征图中的像素视为超图顶点。
    • 采用可学习的超边构建模块，自适应地探索顶点间的高阶相关性。
    • 利用线性复杂度的消息传递模块，在高阶相关性的引导下有效聚合多尺度特征，从而实现对复杂场景的有效视觉感知。

  • FullPAD：全管道聚合与分配范式

    • 使用HyperACE聚合骨干网络的多尺度特征，并在超图空间中提取高阶相关性。
    • FullPAD范式进一步利用三条独立通道，分别将这些相关性增强的特征传递至骨干与颈部之间的连接处、颈部内部层以及颈部与头部之间的连接处。通过这种方式，YOLOv13实现了整个网络中细粒度的信息流动与表征协同。
    • FullPAD显著改善了梯度传播，提升了检测性能。

  • 基于DS的模块实现模型轻量化

    • 用基于深度可分离卷积的模块（DSConv、DS-Bottleneck、DS-C3k、DS-C3k2）替代大卷积核卷积，在大幅减少参数和计算量的同时保持感受野不变。
    • 在不牺牲精度的前提下，实现更快的推理速度。

YOLOv13无缝结合超图计算与端到端信息协作，提供更准确、鲁棒且高效的实时检测解决方案。

主要结果 🏆

1. MS COCO基准测试

表1. 与其他最先进实时目标检测器在MS COCO数据集上的定量对比

方法 FLOPs (G) 参数(M) AP50:95val AP50val AP75val 延迟(ms)
YOLOv6-3.0-N 11.4 4.7 37.0 52.7 – 2.74
Gold-YOLO-N 12.1 5.6 39.6 55.7 – 2.97
YOLOv8-N 8.7 3.2 37.4 52.6 40.5 1.77
YOLOv10-N 6.7 2.3 38.5 53.8 41.7 1.84
YOLO11-N 6.5 2.6 38.6 54.2 41.6 1.53
YOLOv12-N 6.5 2.6 40.1 56.0 43.4 1.83
YOLOv13-N 6.4 2.5 41.6 57.8 45.1 1.97
YOLOv6-3.0-S 45.3 18.5 44.3 61.2 – 3.42
Gold-YOLO-S 46.0 21.5 45.4 62.5 – 3.82
YOLOv8-S 28.6 11.2 45.0 61.8 48.7 2.33
RT-DETR-R18 60.0 20.0 46.5 63.8 – 4.58
RT-DETRv2-R18 60.0 20.0 47.9 64.9 – 4.58
YOLOv9-S 26.4 7.1 46.8 63.4 50.7 3.44
YOLOv10-S 21.6 7.2 46.3 63.0 50.4 2.53
YOLO11-S 21.5 9.4 45.8 62.6 49.8 2.56
YOLOv12-S 21.4 9.3 47.1 64.2 51.0 2.82
YOLOv13-S 20.8 9.0 48.0 65.2 52.0 2.98
YOLOv6-3.0-L 150.7 59.6 51.8 69.2 – 9.01
Gold-YOLO-L 151.7 75.1 51.8 68.9 – 10.69
YOLOv8-L 165.2 43.7 53.0 69.8 57.7 8.13
RT-DETR-R50 136.0 42.0 53.1 71.3 – 6.93
RT-DETRv2-R50 136.0 42.0 53.4 71.6 – 6.93
YOLOv9-C 102.1 25.3 53.0 70.2 57.8 6.64
YOLOv10-L 120.3 24.4 53.2 70.1 57.2 7.31
YOLO11-L 86.9 25.3 52.3 69.2 55.7 6.23
YOLOv12-L 88.9 26.4 53.0 70.0 57.9 7.10
YOLOv13-L 88.4 27.6 53.4 70.9 58.1 8.63
YOLOv8-X 257.8 68.2 54.0 71.0 58.8 12.83
RT-DETR-R101 259.0 76.0 54.3 72.7 – 13.51
RT-DETRv2-R101 259.0 76.0 54.3 72.8 – 13.51
YOLOv10-X 160.4 29.5 54.4 71.3 59.3 10.70
YOLO11-X 194.9 56.9 54.2 71.0 59.1 11.35
YOLOv12-X 199.0 59.1 54.4 71.1 59.3 12.46
YOLOv13-X 199.2 64.0 54.8 72.0 59.8 14.67

2. 可视化

YOLOv10-N/S、YOLO11-N/S、YOLOv12-N/S 和 YOLOv13-N/S 的可视化示例。

自适应超边的代表性可视化示例。第一列和第二列中的超边主要关注前景中物体之间的高阶交互；第三列则主要关注背景与部分前景之间的高阶交互。这些超边的可视化能够直观地反映出 YOLOv13 所建模的高阶视觉关联。

快速入门 🚀

1. 安装依赖

wget https://github.com/Dao-AILab/flash-attention/releases/download/v2.7.3/flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl
conda create -n yolov13 python=3.11
conda activate yolov13
pip install -r requirements.txt
pip install -e .

YOLOv13 支持 Flash Attention 加速。

2. 验证

YOLOv13-N YOLOv13-S YOLOv13-L YOLOv13-X

使用以下代码在 COCO 数据集上验证 YOLOv13 模型。请确保将 {n/s/l/x} 替换为所需的模型规模（nano、small、plus 或 ultra）。

from ultralytics import YOLO

model = YOLO('yolov13{n/s/l/x}.pt')  # 替换为所需的模型规模

3. 训练

使用以下代码训练 YOLOv13 模型。请确保将 yolov13n.yaml 替换为所需的模型配置文件路径，将 coco.yaml 替换为您的 COCO 数据集配置文件。

from ultralytics import YOLO

model = YOLO('yolov13n.yaml')

# 训练模型
results = model.train(
  data='coco.yaml',
  epochs=600, 
  batch=256, 
  imgsz=640,
  scale=0.5,  # S:0.9; L:0.9; X:0.9
  mosaic=1.0,
  mixup=0.0,  # S:0.05; L:0.15; X:0.2
  copy_paste=0.1,  # S:0.15; L:0.5; X:0.6
  device="0,1,2,3",
)

# 在验证集上评估模型性能
metrics = model.val('coco.yaml')

# 对图像进行目标检测
results = model("path/to/your/image.jpg")
results[0].show()

4. 预测

使用以下代码利用 YOLOv13 模型进行目标检测。请确保将 {n/s/l/x} 替换为所需的模型规模。

from ultralytics import YOLO

model = YOLO('yolov13{n/s/l/x}.pt')  # 替换为所需的模型规模
model.predict()

5. 导出

使用以下代码将 YOLOv13 模型导出为 ONNX 或 TensorRT 格式。请确保将 {n/s/l/x} 替换为所需的模型规模。

from ultralytics import YOLO
model = YOLO('yolov13{n/s/l/x}.pt')  # 替换为所需的模型规模
model.export(format="engine", half=True)  # 或 format="onnx"

相关项目 🔗

  • 该代码基于 Ultralytics。感谢他们的出色工作！
  • 其他关于超图计算的优秀工作：
    • “超图神经网络”：[论文] [代码]
    • “HGNN+: 通用超图神经网络”：[论文] [代码]
    • “SoftHGNN：用于通用视觉识别的软超图神经网络”：[论文] [代码]

引用 YOLOv13 📝

@article{yolov13,
  title={YOLOv13：基于超图增强的自适应视觉感知的实时目标检测},
  author={Lei, Mengqi and Li, Siqi and Wu, Yihong and et al.},
  journal={arXiv preprint arXiv:2506.17733},
  year={2025}
}

版本历史

yolov132025/06/22

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

★ 349.3k|★★★☆☆|2周前
Agent开发框架图像

n8n

n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。 n8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。

★ 184.7k|★★☆☆☆|今天
数据工具开发框架Agent

AutoGPT

AutoGPT 是一个旨在让每个人都能轻松使用和构建 AI 的强大平台，核心功能是帮助用户创建、部署和管理能够自动执行复杂任务的连续型 AI 智能体。它解决了传统 AI 应用中需要频繁人工干预、难以自动化长流程工作的痛点，让用户只需设定目标，AI 即可自主规划步骤、调用工具并持续运行直至完成任务。 无论是开发者、研究人员，还是希望提升工作效率的普通用户，都能从 AutoGPT 中受益。开发者可利用其低代码界面快速定制专属智能体；研究人员能基于开源架构探索多智能体协作机制；而非技术背景用户也可直接选用预置的智能体模板，立即投入实际工作场景。 AutoGPT 的技术亮点在于其模块化“积木式”工作流设计——用户通过连接功能块即可构建复杂逻辑，每个块负责单一动作，灵活且易于调试。同时，平台支持本地自托管与云端部署两种模式，兼顾数据隐私与使用便捷性。配合完善的文档和一键安装脚本，即使是初次接触的用户也能在几分钟内启动自己的第一个 AI 智能体。AutoGPT 正致力于降低 AI 应用门槛，让人人都能成为 AI 的创造者与受益者。

★ 183.6k|★★★☆☆|今天
Agent语言模型插件

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|2周前
开发框架图像Agent

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 109.2k|★★☆☆☆|2天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。

★ 100.8k|★★☆☆☆|1周前
插件Agent图像