🚀 YOLOv12: Eine vielseitige Wahl für Computer-Vision-Aufgaben, mit höchster Geschwindigkeit und Genauigkeit! 🚀

Dieses Tutorial verwendet RTX 4090 als Rechenressource.

1. Einführung in das Tutorial 📖

YOLOv12 wurde 2025 von Forschern der University of Buffalo und der University of the Chinese Academy of Sciences ins Leben gerufen.YOLOv12: Aufmerksamkeitszentrierte Echtzeit-Objektdetektoren".

Die Verbesserung der Netzwerkarchitektur des YOLO-Frameworks ist seit langem ein zentrales Thema im Bereich Computer Vision. Obwohl der Aufmerksamkeitsmechanismus über hervorragende Modellierungsfähigkeiten verfügt, sind CNN-basierte Verbesserungen immer noch Mainstream, da aufmerksamkeitsbasierte Modelle in puncto Geschwindigkeit kaum zu übertreffen sind. Die Einführung von YOLOv12 hat diese Situation jedoch geändert! Es ist nicht nur hinsichtlich der Geschwindigkeit mit CNN-basierten Frameworks vergleichbar, sondern nutzt auch die Leistungsvorteile des Aufmerksamkeitsmechanismus voll aus und wird so zu einem neuen Maßstab für die Echtzeit-Objekterkennung.

Die bahnbrechende Leistung von YOLOv12

• YOLOv12-N erreicht einen mAP von 40,6% mit einer Inferenzlatenz von 1,64 Millisekunden auf einer T4-GPU, was 2,1%/1,2% höher ist als YOLOv10-N/YOLOv11-N.
• YOLOv12-S schlägt RT-DETR-R18 / RT-DETRv2-R18, läuft 42% schneller, benötigt nur 36% Rechenzeit und reduziert die Parameter um 45%.

📜 YOLO-Entwicklungsgeschichte und zugehörige Tutorials

YOLO (You Only Look Once) ist seit seiner Einführung im Jahr 2015 führend in der Objekterkennung und Bildsegmentierung. Die Entwicklung der YOLO-Reihe ist wie folgt:

• YOLOv2 (2016): Einführung von Batch-Normalisierung, Ankerboxen und Dimensionsclustering.
• YOLOv3 (2018): Verwendung effizienterer Backbone-Netzwerke, Multi-Anker und räumliches Pyramiden-Pooling.
• YOLOv4 (2020): Einführung der Mosaik-Datenerweiterung, des ankerfreien Erkennungskopfes und der neuen Verlustfunktion. → Anleitung:DeepSOCIAL realisiert Crowd Distance Monitoring basierend auf YOLOv4 und sortiert Multi-Target-Tracking
• YOLOv5: Hyperparameteroptimierung, Experimentverfolgung und automatische Exportfunktionen hinzugefügt. → Anleitung:YOLOv5_deepsort Echtzeit-Multi-Target-Tracking-Modell
• YOLOv6 (2022): Meituan Open Source, wird häufig in autonomen Lieferrobotern verwendet.
• YOLOv7: Unterstützt die Posenschätzung für den COCO-Keypoint-Datensatz.
• YOLOv8 (2023): Ultralytics wird veröffentlicht und unterstützt eine breite Palette visueller KI-Aufgaben.
• YOLOv9: Einführung in Programmable Gradient Information (PGI) und Generalized Efficient Layer Aggregation Network (GELAN).
• YOLOv10: Es wurde von der Tsinghua-Universität eingeführt, führt einen End-to-End-Header ein und eliminiert die Anforderung der nicht maximalen Unterdrückung (NMS). → Anleitung:YOLOv10 Echtzeit-End-to-End-Objekterkennung
• YOLOv11: Das neueste Modell von Ultralytics, das Erkennung, Segmentierung, Posenabschätzung, Verfolgung und Klassifizierung unterstützt. → Anleitung:Ein-Klick-Bereitstellung von YOLOv11
• YOLOv12 🚀 NEU: Die doppelten Spitzenwerte bei Geschwindigkeit und Genauigkeit, kombiniert mit den Leistungsvorteilen des Aufmerksamkeitsmechanismus!

2. Bedienungsschritte🛠️

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

  Die Ausgabe eines Objektdetektors ist eine Reihe von Begrenzungsrahmen, die die Objekte im Bild umgeben, zusammen mit einer Klassenbezeichnung und einem Vertrauenswert für jeden Begrenzungsrahmen. Die Objekterkennung ist eine gute Wahl, wenn Sie interessante Objekte in einer Szene identifizieren müssen, aber nicht deren genaue Position oder Form kennen müssen.

Es gliedert sich in die folgenden zwei Funktionen:

• Bilderkennung
• Videoerkennung

2. Bilderkennung

Die Eingabe ist ein Bild und die Ausgabe ist ein Bild mit einer Beschriftung.

Abbildung 1 Bilderkennung

3. Videoerkennung

Die Eingabe ist ein Video und die Ausgabe ist ein Video mit Beschriftungen.

Abbildung 2 Videoerkennung

🤝 Diskussion

🖌️ 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 ↓

---

YOLOv12 ist nicht nur ein technologischer Sprung, sondern auch eine Revolution im Bereich der Computer Vision! Kommen Sie und erleben Sie es! 🚀