YOLOv13技术介绍：基于超图增强的自适应视觉感知实时目标检测器

Github链接：https://github.com/iMoonLab/yolov13
论文链接：YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception

技术简介 💡

YOLOv13——新一代实时检测器，具有前沿的性能和效率。YOLOv13 家族包含四种不同规模的变体：Nano、Small、Large 和 X-Large，其核心技术包括：

• HyperACE: 基于超图的自适应相关性增强 (Hypergraph-based Adaptive Correlation Enhancement)

  • 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，自适应地探索顶点之间的高阶相关性。
  • 利用一个线性复杂度的消息传递模块，在高阶相关性的指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: 全流程聚合与分发范式 (Full-Pipeline Aggregation-and-Distribution Paradigm)

  • 使用 HyperACE 聚合主干网络 (backbone) 的多尺度特征，并在超图空间中提取高阶相关性。
  • FullPAD 范式进一步利用三个独立的通道，将这些经过相关性增强的特征分别转发到主干网络与颈部 (neck) 的连接处、颈部内部各层之间，以及颈部与头部 (head) 的连接处。通过这种方式，YOLOv13 实现了整个模型信息流的细粒度控制和表示能力的协同增强。
  • FullPAD 显著改善了梯度传播，并提升了检测性能。

• 轻量级基于深度可分离卷积的系列模块

  • 将大核卷积替换为基于深度可分离卷积（DSConv, DS-Bottleneck, DS-C3k, DS-C3k2）构建的模块，在保持感受野的同时，极大地减少了参数量和计算量。
  • 在不牺牲精度的前提下，实现了更快的推理速度。
    

YOLOv13 将超图计算与端到端的信息协同无缝结合，提供了一个更准确、更鲁棒、更高效的实时检测解决方案。

模型效果 🏆

1. MS COCO 基准测试

表1. 在 MS COCO 数据集上与其他 SOTA 实时目标检测器的量化比较

模型	FLOPs (G)	参数量(M)	mAP	AP50	AP75	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. 可视化效果

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目标之间的高阶交互。第三列主要关注背景与部分前景之间的高阶交互。这些超边的可视化可以直观地反映 YOLOv13 建模的高阶视觉关联。

快速上手 🚀

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. 模型验证

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。

from ultralytics import YOLO

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

3. 模型训练

使用以下代码训练 YOLOv13 模型。请确保将 yolov13n.yaml 替换为您想要的模型配置文件路径，并将 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')

# 在单张图片上执行目标检测
results = model("path/to/your/image.jpg")
results[0].show()

4. 模型推理

使用以下代码通过 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. 模型导出

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 实现。
• 其他关于超图计算的工作：
  • “Hypergraph Neural Networks”: [论文] [代码]
  • “HGNN+: General Hypergraph Nerual Networks”: [论文] [代码]
  • “SoftHGNN: Soft Hypergraph Neural Networks for General Visual Recognition”: [论文] [代码]