YOLOv12: Attention-Gestuurde Real-Time Objectdetectoren

YOLOv12: Attention-Centric Real-Time Object Detectors

February 18, 2025

Auteurs: Yunjie Tian, Qixiang Ye, David Doermann

cs.AI

Samenvatting

Het verbeteren van de netwerkarchitectuur van het YOLO-framework is al lang cruciaal, maar heeft zich gericht op CNN-gebaseerde verbeteringen ondanks de bewezen superioriteit van aandachtmechanismen in modelleringscapaciteiten. Dit komt omdat op aandacht gebaseerde modellen de snelheid van CNN-gebaseerde modellen niet kunnen evenaren. Dit artikel stelt een op aandacht gericht YOLO-framework voor, namelijk YOLOv12, dat de snelheid van eerdere CNN-gebaseerde modellen evenaart terwijl het de prestatievoordelen van aandachtmechanismen benut. YOLOv12 overtreft alle populaire real-time objectdetectoren in nauwkeurigheid met een competitieve snelheid. YOLOv12-N behaalt bijvoorbeeld 40,6% mAP met een inferentielatentie van 1,64 ms op een T4 GPU, wat geavanceerde YOLOv10-N / YOLOv11-N overtreft met 2,1%/1,2% mAP bij een vergelijkbare snelheid. Dit voordeel strekt zich uit tot andere modelschalen. YOLOv12 overtreft ook end-to-end real-time detectoren die DETR verbeteren, zoals RT-DETR / RT-DETRv2: YOLOv12-S verslaat RT-DETR-R18 / RT-DETRv2-R18 terwijl het 42% sneller draait, slechts 36% van de berekeningen en 45% van de parameters gebruikt. Meer vergelijkingen zijn te zien in Figuur 1.

English

Enhancing the network architecture of the YOLO framework has been crucial for a long time, but has focused on CNN-based improvements despite the proven superiority of attention mechanisms in modeling capabilities. This is because attention-based models cannot match the speed of CNN-based models. This paper proposes an attention-centric YOLO framework, namely YOLOv12, that matches the speed of previous CNN-based ones while harnessing the performance benefits of attention mechanisms. YOLOv12 surpasses all popular real-time object detectors in accuracy with competitive speed. For example, YOLOv12-N achieves 40.6% mAP with an inference latency of 1.64 ms on a T4 GPU, outperforming advanced YOLOv10-N / YOLOv11-N by 2.1%/1.2% mAP with a comparable speed. This advantage extends to other model scales. YOLOv12 also surpasses end-to-end real-time detectors that improve DETR, such as RT-DETR / RT-DETRv2: YOLOv12-S beats RT-DETR-R18 / RT-DETRv2-R18 while running 42% faster, using only 36% of the computation and 45% of the parameters. More comparisons are shown in Figure 1.