Ⅰ. 튜토리얼 개요

YoloV13 은 칭화대학, 타이위안공과대학교, 서안교통대학교 등 여러 대학이 참여한 공동 연구팀에서 2025 년 6 월에 제안한 객체 감지 모델입니다. 이 모델은 YOLO 시리즈의 실시간 검출 장점을 계승하면서 초그래프 강화, 고차원 의미 모델링, 경량 구조 재구성 등의 새로운 메커니즘을 도입하여 MS COCO 와 Pascal VOC 과 같은 주요 데이터셋 전반적으로 선두를 차지하며 더욱 뛰어난 일반화 능력과 배포 실용성을 보여줍니다. 관련 논문 결과는 YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception 입니다.

본 튜토리얼에서는 단일 GPU인 RTX 5090 을 사용합니다.

Ⅱ. 프로젝트 예시

이미지

비디오

Ⅲ. 실행 단계

1. 컨테이너 시작 후 API 주소를 클릭하면 웹 인터페이스로 진입할 수 있습니다.

2. 사용 방법

「Bad Gateway」가 표시되면 모델을 초기화 중임을 의미합니다. 모델 크기가 크기 때문에 약 2~3 분간 기다린 뒤 페이지를 새로고침하세요.

이미지

비디오

파라미터 설명

• Model: yolov13n.pt(nano), yolov13s.pt(small), yolov13l.pt(large), yolov13x.pt(extra large). 모델이 클수록 정확도(mAP) 가 높아지지만 파라미터 수, 계산량(FLOPs), 추론 시간도 길어집니다.
• Confidence Threshold: 신뢰도 임계값.
• IoU Threshold: 교차율 비율(IoU) 임계값으로 NMS 에 사용됩니다.
• Max detections per image: 이미지당 최대 감지 박스 개수.

🖌️ 양질의 프로젝트를 보셨다면 댓글이나 메시지 추천 부탁드립니다! 또한 튜토리얼 교류 그룹을 운영하니 QR 코드를 스캔하고 【SD 튜토리얼】이라고 적어서 다양한 기술 문제 토론 및 적용 효과 공유에 참여해 주세요 ↓

[JIALIU_0]

인용 정보

본 프로젝트의 인용 정보는 다음과 같습니다:

@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}
}