1. Introduction au tutoriel

YOLOv13 est un modèle de détection d'objets proposé en juin 2025 par une équipe de recherche conjointe de l'Université Tsinghua, de l'Université de Technologie de Taiyuan, de l'Université Jiaotong de Xi'an et d'autres universités. S'appuyant sur les avantages de la détection en temps réel de la série YOLO, ce modèle introduit de nouveaux mécanismes tels que l'amélioration des hypergraphes, la modélisation sémantique d'ordre supérieur et la reconstruction légère des structures. Il surpasse largement les principaux jeux de données comme MS COCO et Pascal VOC, démontrant ainsi une capacité de généralisation accrue et une grande facilité d'utilisation. Des articles connexes sont disponibles. YOLOv13 : Détection d’objets en temps réel avec perception visuelle adaptative améliorée par hypergraphe .

Ce tutoriel utilise une seule carte RTX 5090 comme ressource.

2. Exemples de projets

image

vidéo

3. Étapes de l'opération

1. Après avoir démarré le conteneur, cliquez sur l'adresse API pour accéder à l'interface Web

2. Étapes d'utilisation

Si « Bad Gateway » s'affiche, cela signifie que le modèle est en cours d'initialisation. Étant donné que le modèle est grand, veuillez patienter environ 2 à 3 minutes et actualiser la page.

image

vidéo

Description des paramètres

• Modèles : yolov13n.pt (nano), yolov13s.pt (petit), yolov13l.pt (grand), yolov13x.pt (très grand). Les modèles plus grands offrent généralement une meilleure précision (mAP), mais aussi un plus grand nombre de paramètres, un coût de calcul plus élevé (FLOPs) et un temps d’inférence plus long.
• Seuil de confiance : Seuil de confiance.
• Seuil IoU : Seuil d'intersection sur union (IoU), utilisé dans NMS.
• Nombre maximal de détections par image : le nombre maximal de boîtes de détection par image.

🖌️ Si vous voyez un projet de haute qualité, veuillez laisser un message en arrière-plan pour le recommander ! De plus, nous avons également créé un groupe d’échange de tutoriels. Bienvenue aux amis pour scanner le code QR et commenter [Tutoriel SD] pour rejoindre le groupe pour discuter de divers problèmes techniques et partager les résultats de l'application↓

Informations sur la 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}
}