在自動駕駛、工業質檢、安防監控等需要「毫秒級反應」的應用場景中，實時目標檢測始終是一條極具挑戰的技術賽道。過去十年裏，YOLO 系列憑藉輕量高效的架構成為該領域的主流方案，從最初的 YOLO 到近年的 YOLOv11、YOLOv12，模型不斷在速度與精度之間尋找新的平衡點。

不過，即便進化多次，YOLO 系列的底層機制依舊面臨共同瓶頸： 要麼像卷積那樣只能在固定感受野內做局部聚合，要麼像自注意力那樣雖然能擴大感受野，卻因為計算代價高昂，不得不在實際部署時被「區域化」，從而失去真正的全局視野。更關鍵的是，自注意力本質上仍是在建模像素兩兩之間的關係，只能表達「二元相關性」，很難捕捉場景中更復雜的、多對多語義結構。 這些結構對模型理解擁擠場景、細粒度物體或高度複雜的視覺關係至關重要。

*感受野：視覺通路中，視網膜上的光感受器（杆體細胞和錐體細胞）接受光信號，轉換為神經信號，影響外膝狀體細胞和視覺皮層中的神經節細胞，這些神經節細胞的受刺激區域就叫做感受野（receptive field），不同的感覺種類有不同的感受野性質和大小。

正因如此，傳統 YOLO 架構在面對複雜場景時常會出現性能瓶頸：要麼無法充分理解長程依賴，要麼難以表達跨尺度的深層語義關聯。

針對這一長期難題，清華大學、太原理工大學、西安交通大學等高校組成的聯合研究團隊提出了全新的目標檢測模型——YOLOv13，將「相關性建模」從二元擴展到真正的高階結構。 研究團隊引入了一個核心組件——HyperACE（Hypergraph-based Adaptive Correlation Enhancement，基於超圖的自適應相關增強機制）。HyperACE 將多尺度特徵圖中的像素視為頂點，並通過可學習的超邊構建模塊自適應地探索頂點間的高階相關性。 之後，藉助一個具有線性複雜度的信息傳遞模塊，按高階相關性為指導，有效地匯聚多尺度特徵，實現複雜場景下的視覺感知。此外， HyperACE 也同時整合了低階相關性建模，以實現更加全面的視覺感知。

在 HyperACE 之上，YOLOv13 進一步提出了 FullPAD（Full-Pipeline Aggregation-and-Distribution，全管道聚合-分佈範式）： 模型先在全局尺度完成相關性增強，然後將相關增強後的特徵分發至 backbone、neck、head 的各個階段，讓「高階語義」貫穿整個檢測流程，改善梯度流通並提升整體表現。此外，作者還用更輕量的深度可分卷積模塊替代傳統大卷積核，在保證精度的前提下降低了參數與算力開銷。

最終結果顯示，從小模型（N 系列）到大模型，YOLOv13 在 MS COCO 上均取得了顯著提升，在參數和 FLOPs 更少的條件下達到了最先進的檢測性能。 其中，YOLOv13-N 相比 YOLOv11-N 提升了 3.0% 的 mAP，相比 YOLOv12-N 提升了 1.5%。

目前，「一鍵部署 Yolov13」已上線至 HyperAI超神經官網的「教程」板塊，點擊下方鏈接即可體驗一鍵部署教程 ⬇️

教程鏈接：

https://go.hyper.ai/EHfXY

查看相關論文：

https://go.hyper.ai/Gzu7K

Demo 運行

1.進入 hyper.ai 首頁後，選擇「一鍵部署 Yolov13」，或進入「教程」頁面選擇，進入點擊「在線運行此教程」。

2.頁面跳轉後，點擊右上角「Clone」，將該教程克隆至自己的容器中。

注：頁面右上角支持切換語言，目前提供中文及英文兩種語言，本教程文章以英文為例進行步驟展示。

3.選擇「NVIDIA GeForce RTX 5090」以及「PyTorch」鏡像，按照需求選擇「Pay As You Go（按量付費）」或「Daily Plan/Weekly Plan/Monthly Plan（包日/周/月」，點擊「Continue job execution（繼續執行）」。

4.等待分配資源，首次克隆需等待 3 分鐘左右的時間。當狀態變為「運行中」後，點擊「API 地址」旁邊的跳轉箭頭，即可跳轉至 Demo 頁面。

效果演示

進入 Demo 運行頁面後，上傳圖片/視頻，點擊「Detect Objects 」即可運行。

參數説明：

• Model：yolov13n.pt（nano）、 yolov13s.pt（small）、 yolov13l.pt（large）、 yolov13x.pt（extra large）。模型越大，精度（mAP）越高，但參數量、計算量（FLOPs）和推理時間也越長。

• Confidence Threshold：置信度閾值。

• IoU Threshold：交併比閾值，用於 NMS 。

• Max detections per image：每張圖片最大檢測框數量。

小編以「yolov13s.pt」模型為例進行測試，效果如下所示。

以上就是 HyperAI超神經本期推薦的教程，歡迎大家前來體驗！

教程鏈接：

https://go.hyper.ai/EHfXY