YOLO13：基于超图增强自适应视觉感知的实时目标检测

YOLO13：基于超图增强自适应视觉感知的实时目标检测

论文：YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception

代码：https://github.com/iMoonLab/yolov13

YOLOv13主要技术

YOLOv13 新一代实时检测器，集卓越性能与效率于一身。

YOLOv13 系列包含四种变体：Nano、Small、Large 和 X-Large，其核心技术包括：

超图自适应相关增强（HyperACE）

• 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，自适应探索顶点间的高阶相关性。
• 利用具有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，实现对复杂场景的高效视觉感知。

全流程聚合-分发范式（FullPAD）

• 使用 HyperACE 聚合主干网络的多尺度特征，并在超图空间中提取高阶相关性。

• FullPAD 范式进一步通过三条独立通道，将这些增强相关性的特征分别传递至主干与颈部的连接层、颈部内部层以及颈部与头部的连接层，实现全流程的细粒度信息流和表征协同。

• FullPAD 显著改善梯度传播，提升检测性能。

基于深度可分离结构的模型轻量化

• 用基于深度可分离卷积（DSConv、DS-Bottleneck、DS-C3k、DS-C3k2）的模块替代大核卷积，在保持感受野的同时大幅减少参数和计算量。

• 在不牺牲精度的前提下实现更快的推理速度。

主要架构

主要测试结果

MS COCO Benchmark

与其他先进的实时目标检测器在 MS COCO 数据集上的定量对比

Method	FLOPs (G)	Parameters(M)	AP50:95val	AP50val	AP75val	Latency (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