YOLOv13: 基于超图增强自适应视觉感知的实时目标检测

YOLO 系列模型凭借其卓越的准确性和计算效率在实时目标检测领域占据主导地位。然而，YOLO11 及早期版本的卷积架构以及 YOLOv12 中引入的基于区域的 self-attention 机制均局限于局部信息聚合和成对相关性建模，缺乏捕获全局多对多高阶相关性的能力，这限制了在复杂场景下的检测性能。本文提出 YOLOv13，一种准确且轻量级的目标检测器。为应对上述挑战，我们提出了一种基于超图的自适应相关性增强机制，该机制自适应地挖掘潜在的高阶相关性，并基于超图计算克服了以往方法局限于成对相关性建模的限制，实现了高效的全局跨位置和跨尺度特征融合与增强。随后，我们提出了基于 HyperACE 的全流水线聚合与分发范式，通过将相关性增强后的特征分发至整个流水线，有效实现了全网络内细粒度的信息流与表征协同。最后，我们提出利用深度可分离卷积替代普通的大卷积核卷积，并设计了一系列模块，在不牺牲性能的情况下显著降低了参数量和计算复杂度。我们在广泛使用的 MS COCO 基准上进行了大量实验，实验结果表明，我们的方法以更少的参数和 FLOPs 实现了 SOTA 性能。具体而言，我们的 YOLOv13-N 较 YOLO11-N 提高了 3.0% 的 mAP，较 YOLOv12-N 提高了 1.5%。我们 YOLOv13 模型的代码和模型可在以下地址获取：https://github.com/iMoonLab/yolov13。