一、YOLO V12
YOLO v12是YOLO系列中最新且最具创新性的版本，它将注意力机制引入到YOLO框架中，在保持高速推理的同时又显著提升了检测精度。成功打破了传统基于CNN在速度与性能之间的权衡困境。
YOLO v12在MS COCO数据集上取得了最先进的性能，在各个模型尺度上都超越了YOLOv11和YOLOv10等模型。与RT-DETR等端到端模型相比，YOLOv12在保持相似或更高精度的同时，又具有更快的推理速度和更低的计算成本。
YOLO V12在MS COCO上的表现以及和其他模型的对比：
YOLO V12的架构亮点：
YOLO V12最大的核心亮点便是引入了注意力机制，但YOLO V12的注意力机制和传统注意力机制还有所不同，传统注意力机制的计算复杂度为O(n^2)，其中n为输入序列长度，这导致计算量随着输入尺寸的增加而迅速增长，限制了其在实时目标检测中的应用。而YOLO V12为解决该问题引入了区域注意力机制，通过将特征图划分为多个区域，将全局注意力转化为区域注意力，将计算复杂度降低到O(n^2/l)，其中l为区域划分数量。例如，将特征图划分为4个区域，可以将计算复杂度降低到O(n^2/4)。并配合FlashAttention解决内存访问问题，显著提高推理速度。
但加入区域注意力机制后，另一个带来的挑战就是模型收敛情况，在传统的ELAN结构中，每个模块的输出都需要通过多个子模块进行处理，然后再进行拼接和过渡层操作。这种设计会导致梯度在传递过程中逐渐减弱，从而影响模型的收敛和稳定性。特别是在大型模型中更为明显。因此YOLO V12引入了R-ELAN，R-ELAN引入了块级残差连接，在每个子模块的输入和输出之间添加残差连接，并引入缩放因子来控制残差连接的强度。这种设计可以有效地缓解梯度阻塞问题，提高模型的稳定性。
YOLO V12除了优化了ELAN结构，还针对注意力机制中MLP的比例做了调整， 在传统的注意力机制中，MLP比例通常设置为4.0，这意味着注意力模块中MLP层的输入特征维度是输入特征维度的4倍。为减少参数量和计算量，YOLOv12将MLP比例调整为1.2，不仅能够有效提高模型的推理速度，同时仍然能够保持较高的检测精度。
YOLO V12论文地址：
https://arxiv.org/abs/2502.12524
YOLO V12Github代码地址：
https://github.com/sunsmarterjie/yolov12
在模型上V12和之前的版本类似，包括不同大小的模型，从小到大包括：
YOLO12n：用于资源极其有限环境的纳米版本。YOLO12s：兼顾速度和精度的小型版本。YOLO12m：通用中型版本。YOLO12l：大型版本，精度更高，但计算资源增加。YOLO12x：超大型版本可实现最高精度和性能。
模型的比较如下：
从官方Github中可以看到目前YOLO V12已更新至ultralytics框架中，这极大的方便了我们的使用和微调训练。
ultralyticsYOLO V12介绍地址：
https://docs.ultralytics.com/de/models/yolo12/
ultralyticsYOLO V12使用示例：
测试图片：
这里使用yolo12n模型，如果模型不存在会自动下载
fromultralyticsimportYOLO# Load a modelmodel=YOLO('yolo12n.pt')results=model.predict('./img/1.png')results[0].show()二、微调训练
数据集使用本专栏前面实验YOLO-V10时标注的人脸数据集， 这里你可以收集一些自定义的图片，然后根据下面文章中介绍的方式进行标注：
基于 YOLO V10 Fine-Tuning 训练自定义的目标检测模型
微调训练，其中face.yaml文件内容和上面文章YOLO-V10时的一致：
fromultralyticsimportYOLO# 加载模型model=YOLO('yolo12n.pt')# 训练model.train(data='face.yaml',# 训练配置文件epochs=100,# 训练的周期imgsz=640,# 图像的大小device=[0],# 设备，如果是 cpu 则是 device='cpu'workers=0,lr0=0.001,# 学习率batch=8,# 批次大小amp=False# 是否启用混合精度训练)运行后可以看到打印的网络结构：
训练过程：
训练结束后可以在runs目录下面看到训练的结果：
其中weights下面的就是训练后保存的模型，这里可以先看下训练时loss的变化图：
五、模型测试
在runs\detect\train\weights下可以看到best.pt和last.pt两个模型，表示最佳和最终模型，下面使用best.pt模型进行测试
fromultralyticsimportYOLOfrommatplotlibimportpyplotaspltimportos plt.rcParams['font.sans-serif']=['SimHei']# 测试图片地址base_path="test"# 加载模型model=YOLO('runs/detect/train/weights/best.pt')forimg_nameinos.listdir(base_path):img_path=os.path.join(base_path,img_name)image=plt.imread(img_path)# 预测results=model.predict(image,device='cpu')boxes=results[0].boxes.xyxy confs=results[0].boxes.conf ax=plt.gca()forindex,boxeinenumerate(boxes):x1,y1,x2,y2=boxe[0],boxe[1],boxe[2],boxe[3]score=confs[index].item()ax.add_patch(plt.Rectangle((x1,y1),(x2-x1),(y2-y1),linewidth=2,fill=False,color='red'))plt.text(x=x1,y=y1-10,s="{:.2f}".format(score),fontsize=15,color='white',bbox=dict(facecolor='black',alpha=0.5))plt.imshow(image)plt.show()
