一、教程简介

Yolov13 是由清华大学、太原理工大学、西安交通大学等高校组成的联合研究团队于 2025 年 6 月提出的目标检测模型。该模型在继承 YOLO 系列实时检测优点的基础上，引入了超图增强、高阶语义建模、轻量化结构重构等一系列新机制，在 MS COCO 和 Pascal VOC 等主流数据集上实现了全面领先，展现出更强的泛化能力与部署实用性。相关论文成果为「YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception」。

本教程采用资源为单卡 RTX 5090 。

二、项目示例

image

video

三、运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面

2. 使用步骤

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 2-3 分钟后刷新页面。

image

video

参数说明

• Model：yolov13n.pt（nano）、 yolov13s.pt（small）、 yolov13l.pt（large）、 yolov13x.pt（extra large）。模型越大，精度（mAP）越高，但参数量、计算量（FLOPs）和推理时间也越长。
• Confidence Threshold：置信度阈值。
• IoU Threshold：交并比阈值，用于 NMS 。
• Max detections per image：每张图片最大检测框数量。

四、交流探讨

引用信息

本项目引用信息如下：

@article{yolov13,
  title={YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception},
  author={Lei, Mengqi and Li, Siqi and Wu, Yihong and et al.},
  journal={arXiv preprint arXiv:2506.17733},
  year={2025}
}