I. チュートリアル概要

Yolov13 は、清華大学、太原工業大学、西安交通大學など複数の高等教育機関が連携する共同研究チームによって 2025 年 6 月に提案された物体検出モデルです。このモデルは YOLO シリーズの高速検出という利点を継承しつつ、ハイパーグラフ強化、高次セマンティックモデリング、軽量構造再構築といった新たなメカニズムを導入し、MS COCO や Pascal VOC など主要なデータセットにおいて全面的に先導的な性能を発揮しています。その汎用性と実運用での有用性が際立っており、関連論文は『YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception』(https://hyper.ai/papers/2506.17733) に掲載されています。

本チュートリアルの実行環境は単一の NVIDIA GeForce RTX 5090 です。

II. プロジェクト例

イメージ画像

ビデオ

III. 実行手順

1. コンテナ起動後、API アドレスをクリックして Web インターフェースへアクセスします

2. 利用方法

「Bad Gateway」というエラーが表示される場合、これはモデルが初期化されていることを意味します。モデルサイズが大きいため、約 2〜3 分待ってからページをリロードしてください。

イメージ画像

ビデオ

パラメータ説明

• Model：yolov13n.pt（ナノ）、yolov13s.pt（スモール）、yolov13l.pt（ラージ）、yolov13x.pt（エクストララージ）。モデルが大きいほど精度（mAP）が高くなりますが、パラメータ数、計算量（FLOPs）、推論時間も増加します。
• Confidence Threshold：信頼性閾値。
• IoU Threshold：IoU 閾値（NMS 用に使用されます）。
• Max detections per image：1 枚あたりの最大検出ボックス数。

🖌️ 質の高いプロジェクトを見つけた場合は、ぜひ裏側でメッセージをお送りください！また、チュートリアル共有グループを設立しましたので、QR コードを読み取って「SD チュートリアル」と記載の上、参加いただき、各種技術問題について議論したり、応用例を共有したりしましょう ↓

[JIALIU_0]

引用情報

本プロジェクトの引用情報は以下の通りです：

@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}
}