YOLO12 explicado: aplicações e casos de uso no mundo real

A visão computacional é um ramo da inteligência artificial (AI) que ajuda as máquinas a compreender imagens e vídeos. É uma área que está a avançar a um ritmo incrível, porque os investigadores e programadores de IA estão constantemente a ultrapassar limites. A comunidade de IA procura sempre criar modelos mais rápidos, inteligentes e eficientes. Um dos avanços mais recentes é o YOLO12, a mais recente adição à série de modelos YOLO (Olhas Só Uma Vez), lançado a 18 de fevereiro de 2025. Desde então, o Ultralytics YOLO26 tornou-se o modelo recomendado para a maioria das cargas de trabalho de produção.

O YOLO12 foi desenvolvido por pesquisadores da University at Buffalo, SUNY (Universidade Estadual de Nova York), e da Universidade da Academia Chinesa de Ciências. Com uma nova abordagem inovadora, o YOLO12 introduz mecanismos de atenção, permitindo que o modelo se concentre nas partes mais importantes de uma imagem, em vez de processar todas da mesma forma.

Também inclui o FlashAttention, uma técnica que acelera o processamento utilizando menos memória, e um mecanismo de atenção por áreas, concebido para imitar a forma natural como as pessoas se concentram nos objetos centrais.

Essas melhorias tornam o YOLO12n 2,1% mais preciso que o YOLOv10n e o YOLO12m 1,0% mais preciso que o YOLO11m. No entanto, há uma contrapartida: o YOLO12n é 9% mais lento que o YOLOv10n, e o YOLO12m é 3% mais lento que o YOLO11m.

Fig. 1. Exemplo de uso do YOLO12 para detetar objetos.

Neste artigo, vamos explorar o que diferencia o YOLO12, como ele se compara às versões anteriores e onde pode ser aplicado.

O caminho até o lançamento do YOLO12#

A série de modelos YOLO é um conjunto de modelos de visão computacional desenvolvidos para deteção de objetos em tempo real, ou seja, eles podem identificar e localizar objetos rapidamente em imagens e vídeos. Com o tempo, cada versão trouxe melhorias de velocidade, precisão e eficiência.

Por exemplo, o Ultralytics YOLOv5, lançado em 2020, tornou-se amplamente utilizado por ser rápido e fácil de treinar com dados personalizados e implantar. Mais tarde, o Ultralytics YOLOv8 aprimorou esse modelo, oferecendo suporte adicional para tarefas de visão computacional, como segmentação de instâncias e rastreamento de objetos.

Mais recentemente, o Ultralytics YOLO11 se concentrou em aprimorar o processamento em tempo real, mantendo o equilíbrio entre velocidade e precisão. Por exemplo, o YOLO11m tinha 22% menos parâmetros que o YOLOv8m e, ainda assim, apresentou melhor desempenho de deteção no conjunto de dados COCO, uma referência amplamente usada para avaliar modelos de deteção de objetos.

Com base nesses avanços, o YOLO12 introduz uma mudança na forma como processa informações visuais. Em vez de tratar todas as partes de uma imagem da mesma forma, ele prioriza as áreas mais relevantes, melhorando a precisão da deteção. Em resumo, o YOLO12 se baseia em melhorias anteriores e busca oferecer ainda mais precisão.

Principais recursos do YOLO12#

O YOLO12 introduz diversas melhorias que aprimoram as tarefas de visão computacional sem comprometer a velocidade de processamento em tempo real. Veja a seguir uma visão geral dos principais recursos do YOLO12:

• Arquitetura centrada na atenção: Em vez de tratar todas as partes de uma imagem da mesma forma, o YOLO12 se concentra nas áreas mais importantes. Isso melhora a precisão e reduz o processamento desnecessário, tornando a deteção mais precisa e eficiente, mesmo em imagens com muitos elementos.
• FlashAttention: O YOLO12 acelera a análise de imagens usando menos memória. Com o FlashAttention, um algoritmo eficiente em termos de memória, ele otimiza o tratamento de dados, reduzindo a carga sobre o hardware e tornando as tarefas em tempo real mais fluidas e confiáveis.
• Redes residuais eficientes de agregação de camadas (R-ELAN): O YOLO12 organiza as camadas com mais eficiência usando R-ELAN, que aprimora a maneira como o modelo processa os dados e aprende com eles. Isso torna o treinamento mais estável, o reconhecimento de objetos mais preciso e os requisitos computacionais menores, permitindo que o modelo funcione com eficiência em diferentes ambientes.

Para entender como esses recursos funcionam na prática, imagine um shopping center. O YOLO12 pode ajudar a acompanhar os clientes, identificar elementos decorativos das lojas, como plantas em vasos ou cartazes promocionais, e detetar itens fora do lugar ou abandonados.

A arquitetura centrada na atenção ajuda o modelo a se concentrar nos detalhes mais importantes, enquanto o FlashAttention garante que ele processe tudo rapidamente sem sobrecarregar o sistema. Isso facilita o trabalho dos operadores do shopping para aprimorar a segurança, organizar o layout das lojas e melhorar a experiência geral de compras.

Fig. 2. Deteção de objetos em um shopping center usando o YOLO12.

No entanto, o YOLO12 também tem algumas limitações que devem ser consideradas:

• Treinamento mais lento: Devido à sua arquitetura, o YOLO12 exige mais tempo de treinamento que o Ultralytics YOLO11.
• Dificuldades de exportação: Alguns usuários podem encontrar dificuldades ao exportar modelos YOLO12, especialmente ao integrá-los a ambientes de implantação específicos.

Entenda os benchmarks de desempenho do YOLO12#

O YOLO12 está disponível em várias versões, cada uma otimizada para necessidades diferentes. As versões menores (nano e small) priorizam a velocidade e a eficiência, sendo ideais para dispositivos móveis e computação de borda. As versões medium e large equilibram velocidade e precisão, enquanto o YOLO12x (extra large) foi projetado para aplicações de alta precisão, como automação industrial, diagnóstico por imagem e sistemas avançados de vigilância.

Com essas variações, o YOLO12 oferece diferentes níveis de desempenho de acordo com o tamanho do modelo. Testes de benchmark mostram que algumas versões do YOLO12 superam o YOLOv10 e o Ultralytics YOLO11 em precisão, alcançando uma precisão média média (mAP) mais alta.

No entanto, alguns modelos, como YOLO12m, YOLO12l e YOLO12x, processam imagens mais lentamente que o YOLO11, o que demonstra uma troca entre precisão de deteção e velocidade. Apesar disso, o YOLO12 continua eficiente e exige menos parâmetros que muitos outros modelos, embora ainda use mais parâmetros que o YOLO11. Isso faz dele uma ótima opção para aplicações em que a precisão é mais importante que a velocidade bruta.

Fig. 3 Comparação entre o Ultralytics YOLO11 e o YOLO12.

Usando o YOLO12 pelo pacote Ultralytics para Python#

O YOLO12 é compatível com o pacote Ultralytics para Python e é fácil de usar, sendo acessível tanto para iniciantes quanto para profissionais. Com apenas algumas linhas de código, é possível carregar modelos pré-treinados, executar várias tarefas de visão computacional em imagens e vídeos e também treinar o YOLO12 com conjuntos de dados personalizados. O pacote Ultralytics para Python simplifica o processo e elimina a necessidade de etapas complexas de configuração.

Por exemplo, veja as etapas para usar o YOLO12 na deteção de objetos:

• Instale o pacote Ultralytics: Primeiro, instale o pacote Ultralytics para Python, que fornece as ferramentas necessárias para executar o YOLO12 com eficiência. Assim, todas as dependências são configuradas corretamente.
• Carregue um modelo YOLO12 pré-treinado: Escolha a versão adequada do YOLO12 (nano, small, medium, large ou extra large) de acordo com o nível de precisão e velocidade exigido pela sua tarefa.
• Forneça uma imagem ou um vídeo: Insira um arquivo de imagem ou vídeo que você queira analisar. O YOLO12 também pode processar transmissões de vídeo ao vivo para deteção em tempo real.
• Execute o processo de deteção: O modelo analisa os dados visuais, identifica objetos e desenha caixas delimitadoras ao redor deles. Ele atribui a cada objeto detetado o rótulo da classe prevista e uma pontuação de confiança.
• Ajuste as configurações de deteção: Você também pode modificar parâmetros, como os limiares de confiança, para ajustar a precisão e o desempenho da deteção.
• Salve ou use o resultado: A imagem ou o vídeo processado, agora com os objetos detetados, pode ser salvo ou integrado a um aplicativo para análises, automação ou tomada de decisões adicionais.

Essas etapas tornam o YOLO12 fácil de usar em diversas aplicações, da vigilância e do rastreamento no varejo ao diagnóstico por imagem e aos veículos autônomos.

Aplicações práticas do YOLO12#

O YOLO12 pode ser utilizado em várias aplicações do mundo real, graças ao suporte para deteção de objetos, segmentação de instâncias, classificação de imagens, estimativa de pose e deteção de objetos orientados (OBB), embora atualmente só estejam disponíveis pesos pré-treinados para deteção.

Fig. 4. O YOLO12 é compatível com tarefas como deteção de objetos e segmentação de instâncias.

No entanto, como mencionamos anteriormente, os modelos YOLO12 priorizam a precisão em vez da velocidade, o que significa que levam um pouco mais de tempo para processar imagens do que as versões anteriores. Essa troca torna o YOLO12 ideal para aplicações em que a precisão é mais importante que a velocidade em tempo real, como:

• Imagiologia médica: O YOLO12 pode ser treinado à medida para detetar tumores ou anomalias em radiografias e ressonâncias magnéticas com elevada precisão, tornando-se uma ferramenta útil para médicos e radiologistas que precisam de uma análise precisa das imagens para o diagnóstico.
• Controlo de qualidade no fabrico: Pode ajudar a identificar defeitos nos produtos durante o processo de produção, garantindo que apenas artigos de alta qualidade chegam ao mercado, ao mesmo tempo que reduz o desperdício e melhora a eficiência.
• Análise forense: As forças policiais podem ajustar o YOLO12 para analisar imagens de vigilância e reunir provas. Em investigações criminais, a precisão é essencial para identificar detalhes importantes.
• Agricultura de precisão: Os agricultores podem usar o YOLO12 para analisar a saúde das culturas, detetar doenças ou infestações de pragas e monitorar as condições do solo. Avaliações precisas ajudam a otimizar as estratégias agrícolas, resultando em melhor produtividade e gestão de recursos.

Começando a usar o YOLO12#

Antes de executar o YOLO12, é importante garantir que seu sistema atenda aos requisitos necessários.

Tecnicamente, o YOLO12 pode ser executado em qualquer GPU (unidade de processamento gráfico) dedicada. Por padrão, ele não exige o FlashAttention e, por isso, pode funcionar na maioria dos sistemas com GPU sem esse recurso. No entanto, ativar o FlashAttention pode ser especialmente útil ao trabalhar com grandes conjuntos de dados ou imagens de alta resolução, pois ajuda a evitar lentidão, reduzir o uso de memória e melhorar a eficiência do processamento.

Para usar o FlashAttention, você precisará de uma GPU NVIDIA de uma destas séries: Turing (T4, Quadro RTX), Ampere (série RTX 30, A30, A40, A100), Ada Lovelace (série RTX 40) ou Hopper (H100, H200).

Tendo em conta a usabilidade e a acessibilidade, o FlashAttention é opcional no pacote Python da Ultralytics e tem de ser compilado separadamente, uma vez que a instalação pode ser tecnicamente bastante complexa. Para saber mais sobre como começar a usar o YOLO12 e otimizar o seu desempenho, consulta a documentação oficial da Ultralytics.

Principais conclusões#

Com o avanço da visão computacional, os modelos estão ficando mais precisos e eficientes. O YOLO12 aprimora tarefas de visão computacional, como deteção de objetos, segmentação de instâncias e classificação de imagens, por meio do processamento centrado na atenção e do FlashAttention, aumentando a precisão e otimizando o uso de memória.

Ao mesmo tempo, a visão computacional está mais acessível do que nunca. O YOLO12 é fácil de usar pelo pacote Ultralytics para Python e, por priorizar a precisão em vez da velocidade, é adequado para diagnóstico por imagem, inspeções industriais e robótica — aplicações em que a precisão é fundamental.

Tens curiosidade sobre IA? Visita o nosso repositório GitHub e participa na nossa comunidade. Explora inovações em áreas como a IA em carros autónomos e a visão computacional na agricultura nas nossas páginas de soluções. Consulta as nossas opções de licenciamento e dá vida aos teus projetos de IA visual.