YOLO12: разбор, практическое применение и сценарии использования

Компьютерное зрение — это раздел искусственного интеллекта (ИИ), который помогает машинам понимать изображения и видео. Эта область развивается невероятно быстро, поскольку исследователи и разработчики ИИ постоянно расширяют её возможности. Сообщество ИИ стремится создавать более быстрые, интеллектуальные и эффективные модели. Один из последних прорывов — YOLO12, новейшая модель в семействе YOLO (You Only Look Once), выпущенная 18 февраля 2025 года. С тех пор Ultralytics YOLO26 стала рекомендуемой моделью для большинства производственных задач.

YOLO12 разработали исследователи из Университета штата Нью-Йорк в Буффало, SUNY (Государственный университет штата Нью-Йорк) и Университета Китайской академии наук. В рамках нового уникального подхода YOLO12 использует механизмы внимания, позволяющие модели сосредоточиваться на самых важных частях изображения, а не обрабатывать все области одинаково.

В модели также используется FlashAttention — методика, ускоряющая обработку и сокращающая расход памяти, — а также механизм внимания к областям, имитирующий естественную способность человека сосредоточиваться на центральных объектах.

Благодаря этим улучшениям точность YOLO12n на 2,1% выше, чем у YOLOv10n, а точность YOLO12m на 1,0% выше, чем у YOLO11m. Однако за это приходится платить: YOLO12n работает на 9% медленнее YOLOv10n, а YOLO12m — на 3% медленнее YOLO11m.

Рис. 1. Пример использования YOLO12 для обнаружения объектов.

В этой статье мы разберем, чем отличается YOLO12, как она соотносится с предыдущими версиями и где ее можно применять.

Путь к выпуску YOLO12#

Серия моделей YOLO — это набор моделей компьютерного зрения, предназначенных для обнаружения объектов в реальном времени, то есть они могут быстро находить и определять местоположение объектов на изображениях и видео. С каждой новой версией повышались скорость, точность и эффективность моделей.

Например, Ultralytics YOLOv5, выпущенная в 2020 году, получила широкое распространение благодаря высокой скорости и простоте дообучения на собственных данных и развертывания. Позже Ultralytics YOLOv8 улучшила эту модель, добавив поддержку таких задач компьютерного зрения, как сегментация экземпляров и отслеживание объектов.

В более поздней Ultralytics YOLO11 основное внимание уделили повышению скорости обработки в реальном времени, сохранив баланс между скоростью и точностью. Например, у YOLO11m на 22% меньше параметров, чем у YOLOv8m, но при этом она лучше обнаруживает объекты на наборе данных COCO — широко используемом бенчмарке для оценки моделей обнаружения объектов.

Развивая эти достижения, YOLO12 меняет подход к обработке визуальной информации. Вместо того чтобы одинаково учитывать все области изображения, модель отдает приоритет наиболее важным, повышая точность обнаружения. Проще говоря, YOLO12 развивает предыдущие улучшения и стремится к большей точности.

Ключевые особенности YOLO12#

YOLO12 предлагает ряд улучшений для задач компьютерного зрения, сохраняя высокую скорость обработки в реальном времени. Вот основные особенности YOLO12:

• Архитектура с акцентом на внимание: Вместо того чтобы одинаково учитывать все области изображения, YOLO12 фокусируется на самых важных. Это повышает точность и сокращает ненужную обработку, благодаря чему обнаружение становится более точным и эффективным даже на загроможденных изображениях.
• FlashAttention: YOLO12 ускоряет анализ изображений и при этом потребляет меньше памяти. FlashAttention — эффективный по памяти алгоритм — оптимизирует обработку данных, снижает нагрузку на оборудование и делает задачи в реальном времени более плавными и надежными.
• Эффективные сети агрегации слоев с остаточными связями (R-ELAN): YOLO12 эффективнее организует слои с помощью R-ELAN, улучшая обработку данных и обучение модели. Это делает обучение стабильнее, распознавание объектов точнее, а вычислительные требования ниже, обеспечивая эффективную работу в разных средах.

Чтобы понять, как эти функции работают на практике, представь торговый центр. YOLO12 может отслеживать посетителей, распознавать элементы оформления магазинов, например растения в горшках или рекламные вывески, а также замечать забытые или оставленные не на месте вещи.

Архитектура с акцентом на внимание помогает YOLO12 сосредоточиться на самых важных деталях, а FlashAttention позволяет быстро обрабатывать данные, не перегружая систему. Это помогает управляющим торговых центров повысить безопасность, улучшить планировку магазинов и сделать покупки комфортнее.

Рис. 2. Обнаружение объектов в торговом центре с помощью YOLO12.

Однако у YOLO12 есть и некоторые ограничения, которые стоит учитывать:

• Более длительное обучение: Из-за своей архитектуры YOLO12 требует больше времени на обучение, чем Ultralytics YOLO11.
• Сложности с экспортом: При экспорте моделей YOLO12 у некоторых пользователей могут возникнуть трудности, особенно при интеграции моделей в определенные среды развертывания.

Оценка производительности YOLO12 по бенчмаркам#

YOLO12 доступна в нескольких вариантах, оптимизированных под разные задачи. В небольших версиях (nano и small) приоритет отдан скорости и эффективности, что делает их подходящими для мобильных устройств и периферийных вычислений. Средняя и большая версии обеспечивают баланс между скоростью и точностью, а YOLO12x (extra large) предназначена для приложений, требующих высокой точности, таких как промышленная автоматизация, медицинская визуализация и современные системы видеонаблюдения.

Разные варианты YOLO12 обеспечивают разный уровень производительности в зависимости от размера модели. Бенчмарки показывают, что некоторые варианты YOLO12 превосходят YOLOv10 и Ultralytics YOLO11 по точности и достигают более высокого среднего значения точности (mAP).

Однако некоторые модели, например YOLO12m, YOLO12l и YOLO12x, обрабатывают изображения медленнее, чем YOLO11, что демонстрирует компромисс между точностью обнаружения и скоростью. Несмотря на это, YOLO12 остается эффективной и требует меньше параметров, чем многие другие модели, хотя параметров у нее все же больше, чем у YOLO11. Поэтому она отлично подходит для приложений, где точность важнее максимальной скорости.

Рис. 3. Сравнение Ultralytics YOLO11 и YOLO12.

Использование YOLO12 через пакет Ultralytics для Python#

YOLO12 поддерживается пакетом Ultralytics для Python и проста в использовании, поэтому подходит как новичкам, так и профессионалам. Всего несколько строк кода позволяют загрузить предварительно обученные модели, выполнять различные задачи компьютерного зрения на изображениях и видео, а также обучать YOLO12 на собственных наборах данных. Пакет Ultralytics для Python упрощает этот процесс и избавляет от необходимости выполнять сложную настройку.

Например, вот шаги, которые нужно выполнить, чтобы использовать YOLO12 для обнаружения объектов:

• Установи пакет Ultralytics: Для начала установи пакет Ultralytics для Python, в котором есть инструменты для эффективного запуска YOLO12. Так ты убедишься, что все зависимости настроены правильно.
• Загрузи предварительно обученную модель YOLO12: Выбери подходящий вариант YOLO12 (nano, small, medium, large или extra large) в зависимости от требуемых для задачи точности и скорости.
• Укажи изображение или видео: Передай файл изображения или видео, который нужно проанализировать. YOLO12 также может обрабатывать видеопотоки в реальном времени.
• Запусти процесс обнаружения: Модель анализирует визуальные данные, находит объекты и обводит их рамками. Для каждого обнаруженного объекта она указывает предсказанный класс и оценку уверенности.
• Настрой параметры обнаружения: Ты также можешь изменить такие параметры, как пороги уверенности, чтобы точнее настроить обнаружение и производительность.
• Сохрани или используй результат: Обработанное изображение или видео с обнаруженными объектами можно сохранить или встроить в приложение для дальнейшего анализа, автоматизации или принятия решений.

Эти шаги упрощают использование YOLO12 в самых разных областях — от видеонаблюдения и отслеживания покупателей в розничной торговле до медицинской визуализации и автономных автомобилей.

Практическое применение YOLO12#

YOLO12 подходит для самых разных практических задач благодаря поддержке обнаружения объектов, сегментации экземпляров, классификации изображений, оценки позы и обнаружения объектов с заданной ориентацией (OBB), хотя на данный момент предварительно обученные веса доступны только для обнаружения.

Рис. 4. YOLO12 поддерживает такие задачи, как обнаружение объектов и сегментация экземпляров.

Однако, как мы уже говорили, модели YOLO12 отдают приоритет точности, а не скорости, поэтому обрабатывают изображения немного дольше, чем предыдущие версии. Благодаря этому компромиссу YOLO12 отлично подходит для задач, где точность важнее скорости обработки в реальном времени, например:

• Медицинская визуализация: YOLO12 можно дообучить для обнаружения опухолей или аномалий на рентгеновских снимках и МРТ с высокой точностью, что делает его полезным инструментом для врачей и радиологов, которым нужен точный анализ изображений для диагностики.
• Контроль качества на производстве: Модель помогает выявлять дефекты продукции в процессе производства, гарантируя, что на рынок попадут только качественные изделия, а также сокращая отходы и повышая эффективность.
• Криминалистический анализ: Правоохранительные органы могут дообучить YOLO12 для анализа записей с камер видеонаблюдения и сбора доказательств. При расследовании преступлений точность крайне важна для выявления значимых деталей.
• Точное земледелие: Фермеры могут использовать YOLO12 для анализа состояния посевов, выявления болезней и заражения вредителями, а также мониторинга состояния почвы. Точные оценки помогают оптимизировать методы ведения сельского хозяйства, повышать урожайность и эффективнее управлять ресурсами.

Начало работы с YOLO12#

Перед запуском YOLO12 важно убедиться, что система соответствует необходимым требованиям.

С технической точки зрения YOLO12 может работать на любом выделенном графическом процессоре (GPU). По умолчанию FlashAttention не требуется, поэтому модель работает на большинстве систем с GPU и без него. Однако FlashAttention может быть особенно полезен при работе с большими наборами данных или изображениями высокого разрешения: он помогает избежать замедлений, снизить потребление памяти и повысить эффективность обработки.

Для использования FlashAttention понадобится GPU NVIDIA одной из следующих серий: Turing (T4, Quadro RTX), Ampere (RTX 30 series, A30, A40, A100), Ada Lovelace (RTX 40 series) или Hopper (H100, H200).

Для удобства и доступности FlashAttention в пакете Ultralytics Python необязателен и должен компилироваться отдельно, поскольку его установка может быть довольно сложной с технической точки зрения. Чтобы узнать больше о начале работы с YOLO12 и оптимизации его производительности, ознакомься с официальной документацией Ultralytics.

Главные выводы#

По мере развития компьютерного зрения модели становятся точнее и эффективнее. YOLO12 улучшает выполнение таких задач компьютерного зрения, как обнаружение объектов, сегментация экземпляров и классификация изображений, благодаря обработке с акцентом на механизмы внимания и FlashAttention, повышая точность и оптимизируя использование памяти.

В то же время компьютерное зрение стало доступнее, чем когда-либо. YOLO12 проста в использовании через пакет Ultralytics для Python, а благодаря приоритету точности, а не скорости, хорошо подходит для медицинской визуализации, промышленных проверок и робототехники — областей, где точность особенно важна.

Интересуешься ИИ? Посети наш репозиторий GitHub и присоединяйся к нашему сообществу. Узнай о новых решениях для таких сфер, как ИИ в беспилотных автомобилях и компьютерное зрение в сельском хозяйстве, на страницах наших решений. Ознакомься с вариантами лицензирования и воплоти в жизнь свои проекты в области визуального ИИ.