长期以来，增强 YOLO 框架的网络架构一直是计算机视觉领域的核心课题。尽管注意力机制在建模能力上表现出色，但基于 CNN 的改进仍然是主流，因为基于注意力的模型在速度上难以匹敌。然而，YOLOv12 的推出改变了这一局面！它不仅在速度上与基于 CNN 的框架相媲美，还充分利用了注意力机制的性能优势，成为实时物体检测的新标杆。
YOLOv12 的突破性表现：
- YOLOv12-N 在 T4 GPU 上以 1.64 毫秒 的推理延迟实现了 40.6% 的 mAP，比 YOLOv10-N / YOLOv11-N 高出 2.1%/1.2% 的 mAP。
- YOLOv12-S 击败了 RT-DETR-R18 / RT-DETRv2-R18，运行速度提高了 42%，计算量仅用了 36%，参数减少了 45%。
使用云平台：OpenBayes
openbayes.com/console/sig...
登录 OpenBayes.com，在「公共教程」页面，选择键部署 「一键部署 YOLOv12」教程。
页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
选择「NVIDIA GeForce RTX 4090」以及「PyTorch」镜像，OpenBayes 平台提供了 4 种计费方式，大家可以按照需求选择「按量付费」或「包日/周/月」，点击「继续执行」。可以使用文章开头的邀请链接，获得 RTX 4090 使用时长！
待系统分配好资源，当状态变为「运行中」后，点击「API 地址」边上的跳转箭头，即可跳转至 Demo 页面。
该模型支持图片检测和视频检测，目标检测的输出是一组包围图像中物体的边框，以及每个边框的类标签和置信度分数。
1.图片检测
在「Input Type」一栏选择「Image」，上传一张图片，在「Model」处选择模型，默认为「yolov12m.pt」。最后点击「Detect Objects」开始检测。
2.视频检测
在「Input Type」一栏选择「Video」，上传一段视频，在「Model」处选择模型，默认为「yolov12m.pt」。最后点击「Detect Objects」开始检测。