[论文解读] YOLOv12: A Breakdown of the Key Architectural Features

Mujadded Al Rabbani Alif, Muhammad Hussain|ArXiv.org|Feb 20, 2025

Environmental Sustainability and Technology被引用 9

一句话总结

本论文分析 YOLOv12 的架构，提出 R-ELAN 主干、7×7 可分离卷积，以及基于 FlashAttention 的区域注意力，并报告在各变体上的 mAP 更高、推理更快。

ABSTRACT

This paper presents an architectural analysis of YOLOv12, a significant advancement in single-stage, real-time object detection building upon the strengths of its predecessors while introducing key improvements. The model incorporates an optimised backbone (R-ELAN), 7x7 separable convolutions, and FlashAttention-driven area-based attention, improving feature extraction, enhanced efficiency, and robust detections. With multiple model variants, similar to its predecessors, YOLOv12 offers scalable solutions for both latency-sensitive and high-accuracy applications. Experimental results manifest consistent gains in mean average precision (mAP) and inference speed, making YOLOv12 a compelling choice for applications in autonomous systems, security, and real-time analytics. By achieving an optimal balance between computational efficiency and performance, YOLOv12 sets a new benchmark for real-time computer vision, facilitating deployment across diverse hardware platforms, from edge devices to high-performance clusters.

研究动机与目标

• 解释 YOLOv12 背后的架构创新及其如何提升实时目标检测。
• 评估 R-ELAN 主干、7×7 可分离卷积和区域注意力对精度与效率的影响。
• 展示模型变体并讨论从边缘到云端硬件的部署考量。

提出的方法

• 描述主干（R-ELAN）及其残差连接。
• 解释 7×7 可分离卷积及其在以更少参数保留空间上下文中的作用。
• 详细说明颈部的区域注意力机制，借助 FlashAttention 加速。
• 概述头部的重新设计和为实时性能而优化的损失路径。
• 总结训练流水线的改进和参数高效性措施。

实验结果

研究问题

• RQ1 R-ELAN 主干如何影响跨尺度的梯度流动与特征重用？
• RQ2 区域注意力（通过 FlashAttention）在拥挤场景中的检测精度贡献有多大？
• RQ3 7×7 可分离卷积在不牺牲精度的前提下，如何影响参数量和吞吐量？
• RQ4 YOLOv12 的变体（12n、12s、12m、12x）相对于前一代 YOLO 版本在速度与 mAP 上的对比性能提升是多少？

主要发现

• YOLOv12 的各变体在 COCO mAP 和推理速度方面优于早期的 YOLO 版本，其中 12x 在大约 12 ms 推理时间下达到约 56% mAP50-95。
• 较小的变体（如 12n、12s）提供强劲的速度-精度权衡，适用于对延迟有严格要求的部署。
• 主干（R-ELAN）和颈部（带 FlashAttention 的区域注意力）共同提升小目标和遮挡目标检测，同时保持实时性能。
• 7×7 可分离卷积在保持空间上下文的同时降低参数数量和计算负载。
• 模型通过共享主干和分割头支持实例分割，在不产生过大开销的前提下扩展应用范围。