1. Einführung in das Tutorial

YOLOv13 ist ein Objekterkennungsmodell, das im Juni 2025 von einem gemeinsamen Forschungsteam der Tsinghua-Universität, der Technischen Universität Taiyuan, der Xi’an Jiaotong-Universität und weiterer Universitäten vorgestellt wurde. Aufbauend auf den Vorteilen der Echtzeiterkennung der YOLO-Serie führt dieses Modell eine Reihe neuer Mechanismen ein, darunter Hypergraph-Erweiterung, semantische Modellierung höherer Ordnung und ressourcenschonende Strukturrekonstruktion. Es erzielt führende Ergebnisse auf gängigen Datensätzen wie MS COCO und Pascal VOC und beweist damit eine stärkere Generalisierungsfähigkeit und praktische Anwendbarkeit. Zugehörige Publikationen sind verfügbar. YOLOv13: Echtzeit-Objekterkennung mit hypergraphenverstärkter adaptiver visueller Wahrnehmung .

Dieses Tutorial verwendet eine einzelne RTX 5090-Karte als Ressource.

2. Projektbeispiele

Bild

Video

3. Bedienungsschritte

1. Klicken Sie nach dem Starten des Containers auf die API-Adresse, um die Weboberfläche aufzurufen

2. Anwendungsschritte

Wenn „Bad Gateway“ angezeigt wird, bedeutet dies, dass das Modell initialisiert wird. Da das Modell groß ist, warten Sie bitte etwa 2–3 Minuten und aktualisieren Sie die Seite.

Bild

Video

Parameterbeschreibung

• Modelle: yolov13n.pt (Nano), yolov13s.pt (Klein), yolov13l.pt (Groß), yolov13x.pt (Extra Groß). Größere Modelle weisen im Allgemeinen eine höhere Genauigkeit (mAP) auf, benötigen aber auch mehr Parameter, einen höheren Rechenaufwand (FLOPs) und eine längere Inferenzzeit.
• Konfidenzschwelle: Konfidenzschwelle.
• IoU-Schwellenwert: Intersection over Union (IoU)-Schwellenwert, der in NMS verwendet wird.
• Maximale Erkennungen pro Bild: Die maximale Anzahl an Erkennungsrahmen pro Bild.

🖌️ Wenn Sie ein hochwertiges Projekt sehen, hinterlassen Sie bitte im Hintergrund eine Nachricht, um es weiterzuempfehlen! Darüber hinaus haben wir auch eine Tutorien-Austauschgruppe ins Leben gerufen. Willkommen, Freunde, scannen Sie den QR-Code und kommentieren Sie [SD-Tutorial], um der Gruppe beizutreten, verschiedene technische Probleme zu besprechen und Anwendungsergebnisse auszutauschen ↓

Zitationsinformationen

Die Zitationsinformationen für dieses Projekt lauten wie folgt:

@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}
}