YOLOV12解读及实验

一、YOLOv12

1.1介绍

YOLOv12改为以注意力为中心的架构，但依旧保留了关键的实时推理能力。yolov12论文YOLOv12: Attention-Centric Real-Time Object Detectors地址https://arxiv.org/pdf/2502.12524，当前在ultralytics中已实现。

1.2关键创新技术

• 区域注意力机制：直接将特征图水平和垂直划分固定数量的等大块，可以保留大的感受野，降低计算成本；
• 残差高效层聚合网络：这是一个基于ELAN改进的特征聚合模块。
• 主要特点：（1）采用带缩放系数的块级残差连接；（2）重构特征聚合路径。
• 优化注意力架构：（1）使用FlashAttention（2）取消了位置编码（3）调整MLP比率（4）减少堆叠块深度（5）新增7×7可分离卷积（"位置感知器"）隐式编码位置信息（6）在适当时机采用卷积运算。
• 依然支持多种任务：目标检测、实例分割、图像分类、姿态估计、旋转目标检测。

1.3其他

当前看到只公布了目标检测的预训练模型，其他任务的预训练还没公布。

二、对比实验

之前在自己项目上做过yolov8和yolov11对比，但yolov11效果提升不明显，所以当前依然使用yolov8与yolov12进行对比。以下实验使用实例分割任务进行对比，使用默认配置，图像为768*768，epochs=100.

模型	R	mAP50
YOLOV8n-SEG	0.574	0.56
YOLOV12n-SEG	0.454	0.463
YOLOV8s-SEG	0.614	0.57
YOLOV12s-SEG	0.531	0.435

根据结果看，YOLOV8还是比较稳的，YOLOV12不适用于当前项目。