YOLO12 详解：实际应用与用例

计算机视觉是人工智能 (AI) 的一个分支，帮助机器理解图像和视频。这个领域发展迅速，因为 AI 研究人员和开发者不断突破技术极限。AI 社区始终致力于让模型更快、更智能、更高效。最新突破之一是 YOLO12，它是 YOLO（只看一次）模型系列的最新成员，于 2025 年 2 月 18 日发布。此后，Ultralytics YOLO26已成为大多数生产工作负载的推荐模型。

YOLO12 由布法罗大学、纽约州立大学 (SUNY) 和中国科学院大学的研究人员开发。YOLO12 采用了一种独特的新方法，引入注意力机制，让模型专注于图像中最重要的部分，而不是对所有内容一视同仁地进行处理。

它还采用了 FlashAttention，这种技术能在减少内存占用的同时加快处理速度；此外还采用了区域注意力机制，旨在模拟人类自然关注中心目标的方式。

这些改进使 YOLO12n 的准确率比 YOLOv10n 高 2.1%，YOLO12m 的准确率比 YOLO11m 高 1.0%。不过，这也带来了取舍——YOLO12n 比 YOLOv10n 慢 9%，YOLO12m 比 YOLO11m 慢 3%。

图 1. 使用 YOLO12 检测物体的示例。

本文将介绍 YOLO12 的独特之处、它与早期版本的对比，以及它的适用场景。

YOLO12 的发布历程#

YOLO 模型系列是一系列专为实时目标检测设计的计算机视觉模型，也就是说，它们可以快速识别并定位图像和视频中的物体。随着时间推移，各个版本在速度、准确率和效率方面都不断提升。

例如， Ultralytics YOLOv5 于 2020 年发布，因其速度快、易于使用自定义数据进行训练和部署而得到广泛应用。之后，Ultralytics YOLOv8 在此基础上进一步提升，新增了对实例分割和目标跟踪等计算机视觉任务的支持。

最近，Ultralytics YOLO11 专注于改进实时处理，同时兼顾速度和准确率。例如，YOLO11m 的参数量比 YOLOv8m 少 22%，但在广泛用于评估目标检测模型的 COCO 基准数据集上，检测性能仍然更好。

在这些进展的基础上，YOLO12 改变了处理视觉信息的方式。它不再一视同仁地处理图像的所有部分，而是优先处理最相关的区域，从而提高检测准确率。简单来说，YOLO12 在以往改进的基础上，力求实现更精准的检测。

YOLO12 的主要特性#

YOLO12 带来了多项改进，在保持实时处理速度的同时，提升了计算机视觉任务的表现。以下是 YOLO12 主要特性的概览：

• 以注意力为核心的架构：YOLO12 不再一视同仁地处理图像的每个部分，而是专注于最重要的区域。这提高了准确率，减少了不必要的处理，因此即使在杂乱的图像中，检测也更精准、更高效。
• FlashAttention： YOLO12 在减少内存使用的同时加快图像分析速度。借助 FlashAttention（一种内存高效算法），它可以优化数据处理，减轻硬件负担，让实时任务运行得更顺畅、更可靠。
• 残差高效层聚合网络 (R-ELAN)：YOLO12 使用 R-ELAN 更高效地组织网络层，改进模型处理数据和从数据中学习的方式。这让训练更稳定、物体识别更精准，同时降低计算需求，使模型能够在不同环境中高效运行。

以购物中心为例，可以了解这些特性在现实中的作用。YOLO12 可以帮助跟踪顾客、识别盆栽或促销标牌等店铺装饰，并发现放错位置或被遗弃的物品。

以注意力为核心的架构有助于模型专注于最重要的细节，而 FlashAttention 则能确保模型快速处理所有内容，同时避免系统负载过高。这让购物中心运营方更容易提升安保水平、优化店铺布局并改善整体购物体验。

图 2. 使用 YOLO12 检测购物中心中的物体。

不过，YOLO12 也有一些需要考虑的局限性：

• 训练速度较慢： 由于其架构的特点，与 Ultralytics YOLO11 相比，YOLO12 需要更长的训练时间。
• 导出方面的挑战：部分用户在导出 YOLO12 模型时可能会遇到困难，尤其是在将模型集成到特定部署环境时。

了解 YOLO12 的性能基准#

YOLO12 提供多个变体，分别针对不同需求进行了优化。较小的版本（nano 和 small）优先考虑速度和效率，非常适合移动设备和边缘计算。medium 和 large 版本兼顾速度与准确率，而 YOLO12x（extra large）则面向工业自动化、医学成像和先进监控系统等对精度要求较高的应用。

不同的模型尺寸让 YOLO12 能提供不同级别的性能。基准测试表明，某些 YOLO12 变体的准确率超过了 YOLOv10 和 Ultralytics YOLO11，平均精度均值 (mAP) 更高。

然而，YOLO12m、YOLO12l 和 YOLO12x 等一些模型处理图像的速度比 YOLO11 慢，体现了检测准确率与速度之间的取舍。尽管如此，YOLO12 仍然高效，所需参数量少于许多其他模型，不过仍多于 YOLO11。因此，对于准确率比纯粹速度更重要的应用来说，YOLO12 是很好的选择。

图 3. Ultralytics YOLO11 和 YOLO12 对比。

通过 Ultralytics Python 包使用 YOLO12#

Ultralytics Python 包支持 YOLO12，而且简单易用，初学者和专业人士都能轻松上手。只需几行代码，用户就可以加载预训练模型、对图像和视频执行各种计算机视觉任务，还可以使用自定义数据集训练 YOLO12。Ultralytics Python 包简化了整个流程，无需复杂的设置步骤。

例如，以下是使用 YOLO12 进行目标检测的步骤：

• 安装 Ultralytics 包： 首先，安装 Ultralytics Python 包，它提供高效运行 YOLO12 所需的工具。这样可以确保正确设置所有依赖项。
• 加载预训练的 YOLO12 模型： 根据任务所需的准确率和速度，选择合适的 YOLO12 变体（nano、small、medium、large 或 extra large）。
• 提供图像或视频： 输入你想要分析的图像或视频文件。YOLO12 还可以处理实时视频流，进行实时检测。
• 运行检测流程： 模型会扫描视觉数据、识别物体并为物体绘制边界框。它会为每个检测到的物体标注预测类别和置信度分数。
• 调整检测设置： 你还可以修改置信度阈值等参数，以微调检测准确率和性能。
• 保存或使用输出结果： 处理后的图像或视频中会包含检测到的物体，你可以保存结果，或将其集成到应用中，用于进一步分析、自动化处理或决策。

这些步骤让 YOLO12 能轻松应用于各种场景，从监控和零售跟踪到医学成像和自动驾驶汽车。

YOLO12 的实际应用#

YOLO12 支持目标检测、实例分割、图像分类、姿势估计和有向目标检测 (OBB)，因此可用于各种现实应用场景，不过目前发布的预训练权重仅用于检测。

图 4. YOLO12 支持目标检测和实例分割等任务。

不过，正如前文所述，YOLO12 模型优先考虑准确率而非速度，因此与早期版本相比，处理图像所需的时间稍长。这种取舍使 YOLO12 非常适合精度比实时速度更重要的应用，例如：

• 医学影像：YOLO12 可以通过定制训练，以高精度检测 X 射线和 MRI 中的肿瘤或异常，是医生和放射科医生进行精准图像分析和诊断的实用工具。
• 制造业质量控制：它可以帮助在生产过程中识别产品缺陷，确保只有高质量产品进入市场，同时减少浪费并提高效率。
• 法医分析：执法机构可以微调 YOLO12，以分析监控录像并收集证据。在刑事调查中，精准识别关键细节至关重要。
• 精准农业：农民可以使用 YOLO12 分析作物健康状况、检测病害或虫害，并监测土壤条件。准确的评估有助于优化耕作策略，从而提高产量并改善资源管理。

开始使用 YOLO12#

在运行 YOLO12 之前，请务必确认你的系统满足必要的要求。

从技术上来说，YOLO12 可以在任何专用的 GPU（图形处理单元）上运行。默认情况下，它不需要 FlashAttention，因此大多数 GPU 系统无需 FlashAttention 也能运行。不过，在处理大型数据集或高分辨率图像时，启用 FlashAttention 尤其有用，因为它有助于避免速度变慢、减少内存使用并提高处理效率。

要使用 FlashAttention，你需要配备以下系列之一的 NVIDIA GPU：Turing（T4、Quadro RTX）、Ampere（RTX 30 系列、A30、A40、A100）、Ada Lovelace（RTX 40 系列）或 Hopper（H100、H200）。

为了兼顾易用性和可访问性，FlashAttention 在 Ultralytics Python 包中是可选功能，必须单独编译，因为它的安装在技术上相当复杂。若想了解如何开始使用 YOLO12 并优化其性能，请查看Ultralytics 官方文档。

要点#

随着计算机视觉不断发展，模型变得越来越精准、高效。YOLO12 采用以注意力为核心的处理方式和 FlashAttention，提升了目标检测、实例分割和图像分类等计算机视觉任务的表现，在提高准确率的同时优化内存使用。

与此同时，计算机视觉也变得前所未有的易用。通过 Ultralytics Python 包可以轻松使用 YOLO12；它注重准确率而非速度，因此非常适合医学成像、工业检测和机器人等对精度要求较高的应用。

对 AI 感兴趣吗？访问我们的 GitHub 代码仓库，加入我们的社区交流。在我们的解决方案页面，探索自动驾驶汽车中的 AI和农业中的计算机视觉等领域的创新。查看我们的许可选项，让你的视觉 AI 项目成为现实。