I. Présentation du tutoriel

YoloV13 est un modèle de détection d'objets proposé en juin 2025 par une équipe de recherche conjointe composée des universités Tsinghua, Taiyuan University of Technology et Xi'an Jiaotong University, entre autres. Sur la base des avantages de détection en temps réel inhérents à la série YOLO, ce nouveau modèle intègre plusieurs mécanismes innovants tels que l'amélioration par hypergraphe, la modélisation sémantique d'ordre supérieur et la reconstruction légère de la structure. Il atteint ainsi une performance supérieure sur les jeux de données majeurs comme MS COCO et Pascal VOC, démontrant une capacité généralisée renforcée et une utilité pratique pour le déploiement. Les résultats de la publication associée sont disponibles dans : YOLOv13: Détection d'Objets Temps Réel avec Perception Visuelle Adaptative Améliorée par Hypergraphe.

Ce tutoriel utilise une seule carte graphique RTX 5090.

II. Exemples de projets

Image

Vidéo

III. Étapes d'exécution

1. Accédez à l'interface Web après avoir démarré le conteneur via l'adresse API

2. Mode d'utilisation

Si vous voyez « Bad Gateway », cela signifie que le modèle est en cours d'initialisation. Étant donné sa taille importante, veuillez patienter environ 2 à 3 minutes avant de rafraîchir la page.

Image

Vidéo

Description des paramètres

• Modèle : yolov13n.pt (nano), yolov13s.pt (petit), yolov13l.pt (grand), yolov13x.pt (très grand). Plus le modèle est volumineux, plus la précision (mAP) est élevée, mais également la quantité de paramètres, la charge calculatoire (FLOPs) et le temps d'inférence.
• Seuil de confiance : seuil de confiance.
• Seuil IoU : seuil d'intersection sur union, utilisé pour la suppression non maximale (NMS).
• Nombre maximal de détectations par image : nombre maximum de boîtes de détection autorisées par image.

🖌️ Si vous découvrez des projets de qualité, n'hésitez pas à nous recommander via vos messages privés ! De plus, nous avons créé un groupe de discussion dédié aux tutoriels ; invitez-nous à rejoindre notre communauté en scannant le code QR ci-dessous et en mentionnant « Tutoriel SD » afin d'échanger sur diverses questions techniques et partager vos retours d'expérience ↓

[JIALIU_0]

Informations de citation

Les informations de citation pour ce projet sont les suivantes :

@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}
}