在计算机视觉领域，YOLO (You Only Look Once) 系列模型凭借其高效的实时目标检测能力，长期占据主导地位，广泛应用于自动驾驶、视频监控和机器人视觉等场景。尽管 YOLO 系列模型不断迭代优化，却依然面临精度与速度的权衡难题，传统的卷积神经网络 (CNN) 架构的局限性愈发明显，制约了模型性能的进一步提升。
近日，纽约州立大学布法罗分校联合中国科学院大学发布的 YOLOv12 版本，在继承模型以往版本高效特性的同时，引入了区域注意力机制 (area-attention) 和残差高效层聚合网络 (R-ELAN)，极大降低了计算复杂度，显著提升了运行速率，还有效解决了注意力机制衍生的优化难题。与之前版本相比，YOLOv12 以更少的参数实现了更高的精度，在速度和精度之间实现了更好的平衡，成功突破了传统 CNN 架构的性能瓶颈。
目前，OpenBayes 公共教程板块已上线 YOLOv12 及 YOLO 系列模型多个版本的一键部署教程， 快来试试吧~
教程地址：
https://go.openbayes.com/FAPVZ
本文结尾部分将为大家讲解 YOLOv12 一键部署教程。
发布时间： 2017 年
重要更新：提出了 Anchor Boxes（锚框），采用 Darknet-19 作为骨干网络，提高了速度和精度。
用 TVM 在 DarkNet 模型中编译 YOLO-V2：
https://go.openbayes.com/W20j8
发布时间： 2018 年
重要更新： 使用 Darknet-53 作为骨干网络，在保持实时速度的同时显著提高了准确性，提出了多尺度预测（FPN 结构），在检测不同大小的目标和处理复杂图像方面取得了显著改进。
用 TVM 在 DarkNet 模型中编译 YOLO-V3：
https://go.openbayes.com/W20j8
发布时间： 2020 年
重要更新： 采用了 CSPDarknet53，提高了推理速度和准确性。在 COCO 数据集上大幅提高 mAP，小目标检测更佳，训练泛化强且收敛更快。
一键部署：
https://go.openbayes.com/od2Kk
发布时间： 2020 年
重要更新： 引入自动锚框调整机制，保持了实时检测能力，提高了准确性。采用更轻量化的 PyTorch 实现，使其更易于训练和部署。
一键部署：
https://go.openbayes.com/UIJe9
发布时间： 2024 年 5 月
重要更新： 消除了非最大抑制 (NMS) 要求，减少推理延迟。纳入大核卷积和部分自注意模块，在不增加大量计算成本的情况下提高性能。全面优化了各种组件，提高了效率和准确性。
一键部署：
https://go.openbayes.com/6CtW9
发布时间： 2024 年 9 月
重要更新： 在多项任务（包括检测、分割、姿态估计、跟踪和分类）中提供最先进的 (SOTA) 性能，利用了各种 AI 应用程序和领域的功能。
一键部署：
https://go.openbayes.com/silw7
发布时间： 2025 年 2 月
重要更新： 引入了区域注意力机制 (area-attention) 和残差高效层聚合网络 (R-ELAN)，极大降低了计算复杂度，显著提升了运行速率。
一键部署：
YOLOv12 一键部署教程
OpenBayes 公共教程板块现已上线「一键部署 YOLOv12」，该教程已经为大家搭建好了环境，无需输入任何命令，点击克隆即可快速体验 YOLOv12 的强大功能！
教程地址：
https://go.openbayes.com/FAPVZ
01 运行步骤
- 登录 http://OpenBayes.com，在「公共教程」页面，选择「 一键部署 YOLOv12 」。
- 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
- 选择「NVIDIA RTX 4090」以及「PyTorch」镜像，OpenBayes 平台上线了新的计费方式，大家可以按照需求选择「按量付费」或「包日/周/月」，点击「继续执行」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！
小贝总专属邀请链接（直接复制到浏览器打开）：
https://go.openbayes.com/9S6Dr
- 等待分配资源，首次克隆需等待 2 分钟左右的时间。当状态变为「运行中」后，点击「API 地址」旁边的跳转箭头，即可跳转至 Demo 页面。请注意，用户需在实名认证后才能使用 API 地址访问功能。
02 效果展示
该教程包含图像检测和视频检测 2 个功能。
图像检测
选择「Image」板块，上传图片并调整参数后，点击「Detect Object」，YOLOv12 精准且高效地完成实时检测任务，无论是较大的人物目标，还是细微如领带的物体，均能被精准识别。
参数如下：
- 模型 Model: yolo12s.pt
- 图片尺寸 Image Siza: 640
- 置信度阈值 Confidence Threshold: 0.25
视频检测
选择「Video」板块，上传视频，点击「Detect Object」，可以看到 YOLOv12 对视频的实时检测任务也完成得非常出色。
新用户福利
注册福利： 点击下方邀请链接注册，即可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费算力时长，永久有效！
小贝总专属邀请链接（直接复制到浏览器打开）：
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。