I. Tutorial Overview

YoloV13 ist ein Objekterkennungsmodell, das im Juni 2025 von einem gemeinsamen Forschungsteam der Tsinghua-Universität, der Taiyuan University of Technology und der Xi'an Jiaotong Universität vorgestellt wurde. Das Modell übernimmt die Vorteile der Echtzeiterkennung aus der YOLO-Reihe und führt eine Reihe neuer Mechanismen wie hypergraphbasierte Verstärkung, hochgradige semantische Modellierung und leichte Strukturrekonstruktion ein. Es erzielt auf gängigen Datensätzen wie MS COCO und Pascal VOC einen umfassenden Vorsprung und zeigt verbesserte Generalisierungsfähigkeit sowie praktische Einsatzmöglichkeiten. Die zugehörigen wissenschaftlichen Ergebnisse finden Sie unter YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception.

Für dieses Tutorial wird eine einzelne GPU vom Typ RTX 5090 verwendet.

II. Projektbeispiele

Bild

Video

III. Ausführungsanweisungen

1. Nach dem Start des Containers klicken Sie einfach auf die API-Adresse, um zur Weboberfläche zu gelangen

2. Verwendungsschritte

Wenn „Bad Gateway" angezeigt wird, bedeutet dies, dass sich das Modell noch initialisiert. Da es sehr groß ist, warten Sie bitte etwa 2–3 Minuten und laden Sie dann die Seite neu.

Bild

Video

Parameter-Erklärung

• Model: yolov13n.pt (Nano), yolov13s.pt (Small), yolov13l.pt (Large), yolov13x.pt (Extra Large). Je größer das Modell, desto höher ist die Genauigkeit (mAP), jedoch steigen auch Parameteranzahl, Rechenaufwand (FLOPs) und Inferenzzeit.
• Confidence Threshold: Konfidenzschwellwert.
• IoU Threshold: Schwellwert für Intersection over Union, verwendet bei NMS.
• Max detections per image: Maximale Anzahl an Erkennungsrahmen pro Bild.

🖌️ Falls Ihnen hochwertige Projekte auffallen, freuen wir uns über Ihre Empfehlungen via Nachricht! Zudem haben wir eine Diskussionsgruppe für Tutorials eingerichtet – scannen Sie den QR-Code unten mit dem Hinweis „SD-Tutorial", um beizutreten und technische Fragen zu diskutieren oder Anwendungsergebnisse auszutauschen ↓

[JIALIU_0]

Zitierinformationen

Die folgenden Informationen gelten als Referenz für dieses Projekt:

@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}
}