Başla

YOLO12: Dikkat Odaklı Nesne Algılama

Genel Bakış#

2025'in başlarında yayımlanan YOLO12, önceki YOLO modellerinde kullanılan geleneksel CNN tabanlı yaklaşımlardan ayrılan, dikkat merkezli bir mimari sunarken birçok uygulama için gerekli olan gerçek zamanlı çıkarım hızını korur. Dikkat mekanizmalarındaki ve genel ağ mimarisindeki değişikliklerle yüksek nesne algılama doğruluğu sağlar. Bu avantajlara rağmen YOLO12, yoğun dikkat blokları nedeniyle eğitim kararsızlığı, yüksek bellek tüketimi ve daha yavaş CPU verimi gösterebilecek, topluluk tarafından geliştirilen bir sürüm olmaya devam ediyor. Bu nedenle Ultralytics, çoğu üretim iş yükü için YOLO11 veya YOLO26 kullanmanı önerir.

Topluluk Modeli

YOLO12 öncelikle kıyaslama ve araştırma amacıyla geliştirilip sürdürülüyor. Kararlı eğitim, öngörülebilir bellek kullanımı ve optimize edilmiş CPU çıkarımı gerekiyorsa dağıtım için YOLO11 veya YOLO26'yı seç.



İzle: Ultralytics Paketiyle Nesne Algılama için YOLO12 Nasıl Kullanılır | YOLO12 Hızlı mı, Yavaş mı?

Temel Özellikler#

  • Alan Dikkat Mekanizması: Büyük alıcı alanları verimli şekilde işleyen yeni bir öz-dikkat yaklaşımıdır. Özellik haritalarını yatay veya dikey olarak l eşit boyutlu bölgeye (varsayılan 4) ayırarak karmaşık işlemleri önler ve büyük bir etkin alıcı alanını korur. Bu, standart öz-dikkate kıyasla hesaplama maliyetini önemli ölçüde azaltır.
  • Artık Bağlantılı Verimli Katman Toplama Ağları (R-ELAN): Özellikle daha büyük ölçekli, dikkat odaklı modellerde optimizasyon zorluklarını gidermek üzere tasarlanmış, ELAN tabanlı gelişmiş bir özellik toplama modülü. R-ELAN şunları sunar:
    • Ölçeklendirmeli blok düzeyinde artık bağlantılar (katman ölçeklendirmeye benzer).
    • Darboğaz benzeri bir yapı oluşturan, yeniden tasarlanmış özellik toplama yöntemi.
  • Optimize Edilmiş Dikkat Mimarisi: YOLO12, standart dikkat mekanizmasını daha verimli ve YOLO çerçevesiyle daha uyumlu hâle getirir. Buna şunlar dahildir:
    • Bellek erişimi ek yükünü en aza indirmek için FlashAttention kullanılır.
    • Daha sade ve hızlı bir model elde etmek için konumsal kodlamanın kaldırılması.
    • Dikkat ve ileri beslemeli katmanlar arasındaki hesaplama dengesini daha iyi kurmak için MLP oranının (tipik 4 değerinden 1,2 veya 2 değerine) ayarlanması.
    • Optimizasyonu iyileştirmek için istiflenmiş blokların derinliğinin azaltılması.
    • Hesaplama verimliliği nedeniyle uygun yerlerde evrişim işlemleri kullanılır.
    • Konumsal bilgiyi örtük olarak kodlamak için dikkat mekanizmasına 7x7 ayrılabilir evrişim ("konum algılayıcı") eklenmesi.
  • Kapsamlı Görev Desteği: YOLO12, temel bilgisayarlı görü görevlerinden birkaçını destekler: nesne algılama, örnek segmentasyonu, görüntü sınıflandırma, poz kestirimi ve yönlendirilmiş nesne algılama (OBB).
  • Gelişmiş Verimlilik: Önceki birçok modele kıyasla daha az parametreyle daha yüksek doğruluk elde ederek hız ve doğruluk arasında daha iyi bir denge kurar.
  • Esnek Dağıtım: Uç cihazlardan bulut altyapısına kadar farklı platformlara dağıtılmak üzere tasarlanmıştır.

YOLO12'nin diğer gerçek zamanlı algılayıcılarla gecikme-doğruluk ve FLOPs-doğruluk karşılaştırması

Desteklenen Görevler ve Modlar#

YOLO12 çeşitli bilgisayarlı görü görevlerini destekler. Aşağıdaki tabloda her görev için desteklenen görevler ve etkinleştirilen çalışma modları (Eğitim, Doğrulama, Çıkarım ve Dışa Aktarma) gösterilir:

Önceden eğitilmiş ağırlıkların kullanılabilirliği

Yalnızca algılama ağırlıkları (yolo12n.pt, yolo12s.pt, yolo12m.pt, yolo12l.pt, yolo12x.pt) ultralytics/assets üzerinde yayımlanmıştır. Segmentasyon, sınıflandırma, poz ve OBB mimarileri ultralytics/cfg/models/12/ içinde tanımlanmıştır. Bu nedenle bu varyantlar .yaml yapılandırmasıyla sıfırdan eğitimi destekler, ancak şu anda bunlar için önceden eğitilmiş .pt dosyaları mevcut değildir. Önceden eğitilmiş segmentasyon, poz, sınıflandırma veya OBB kontrol noktaları için Ultralytics, YOLO11 veya YOLO26 kullanılmasını önerir.

Model TürüGörevÖnceden Eğitilmiş AğırlıklarEğitimDoğrulamaÇıkarımDışa aktar
YOLO12Algılama✅✅✅✅✅
YOLO12-segSegmentasyon❌✅✅✅✅
YOLO12-clsSınıflandırma❌✅✅✅✅
YOLO12-posePoz❌✅✅✅✅
YOLO12-obbOBB❌✅✅✅✅

Eğitilmiş bir kontrol noktası mevcut olduğunda tüm YOLO12 mimarileri her modu destekler. Pretrained Weights sütunu, yalnızca Ultralytics'in ultralytics/assets üzerinde resmi, önceden eğitilmiş bir .pt yayımlayıp yayımlamadığını gösterir: segmentasyon, poz, sınıflandırma ve OBB için çıkarım, doğrulama veya dışa aktarma işlemlerini çalıştırmadan önce ilgili .yaml üzerinden kendi kontrol noktanı eğitmen gerekir.

Performans Metrikleri#

YOLO12, tüm model ölçeklerinde doğruluğu artırır; ancak önceki en hızlı YOLO modellerine kıyasla hız açısından bazı ödünler verir. Aşağıda, COCO doğrulama veri kümesindeki nesne algılama için nicel sonuçlar yer alıyor:

Algılama Performansı (COCO val2017)#

Performans
Modelboyut
(piksel)
mAPval50-95Hız
CPU ONNX
(ms)
Hız
T4 TensorRT
(ms)
parametre
(M)
FLOPs
(B)
Karşılaştırma
(mAP/Hız)
YOLO12n64040.6-1.642.67.5+2.1%/-9% (YOLOv10n ile karşılaştırıldığında)
YOLO12s64048.0-2.619.323.3+0.1%/+42% (RT-DETRv2 ile karşılaştırıldığında)
YOLO12m64052.5-4.8620.270.7+1.0%/-3% (YOLO11m ile karşılaştırıldığında)
YOLO12l64053.7-6.7726.495.4+0.4%/-8% (YOLO11l ile karşılaştırıldığında)
YOLO12x64055.2-11.7959.1208.9+0.6%/-4% (YOLO11x ile karşılaştırıldığında)
  • Çıkarım hızı, TensorRT FP16 hassasiyetiyle NVIDIA T4 GPU üzerinde ölçülmüştür.
  • Karşılaştırmalar, mAP'teki göreli iyileşmeyi ve hızdaki yüzde değişimini gösterir (pozitif daha hızlı, negatif daha yavaş anlamına gelir). Karşılaştırmalar, mevcut olduğunda YOLOv10, YOLO11 ve RT-DETR için yayımlanmış sonuçlara göre yapılır.

Kullanım Örnekleri#

Bu bölümde YOLO12 ile eğitim ve çıkarım örnekleri sunuluyor.

Aşağıdaki örneklerde, YOLO12 Algılama modellerine (nesne algılama için) odaklanılır. Desteklenen diğer görevlerle (segmentasyon, sınıflandırma, poz kestirimi ve yönlendirilmiş nesne algılama) ilgili bilgi için ilgili göreve özel belgelere bak: Segmentasyon, Sınıflandırma, Poz ve OBB.

Örnek

Önceden eğitilmiş *.pt modelleri (PyTorch kullanılarak) ve *.yaml yapılandırma dosyaları, Python'da bir model örneği oluşturmak için YOLO() sınıfına aktarılabilir:

from ultralytics import YOLO

# COCO üzerinde önceden eğitilmiş bir YOLO12n modelini yükle
model = YOLO("yolo12n.pt")

# Modeli COCO8 örnek veri kümesinde 100 dönem boyunca eğit
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# 'bus.jpg' görüntüsünde YOLO12n modeliyle çıkarım yap
results = model("path/to/bus.jpg")

Temel İyileştirmeler#

  1. Gelişmiş Özellik Çıkarımı:

    • Alan Dikkati: Büyük alıcı alanlarını verimli biçimde işleyerek hesaplama maliyetini azaltır.
    • Optimize Edilmiş Denge: Dikkat ve ileri beslemeli ağ hesaplamaları arasındaki dengeyi iyileştirir.
    • R-ELAN: R-ELAN mimarisini kullanarak özellik toplamayı geliştirir.
  2. Optimizasyon Yenilikleri:

    • Artık Bağlantılar: Özellikle büyük modellerde eğitimi kararlı hâle getirmek için ölçeklendirmeli artık bağlantılar sunar.
    • İyileştirilmiş Özellik Bütünleştirme: R-ELAN içindeki özellik bütünleştirmeyi iyileştiren bir yöntem uygular.
    • FlashAttention: Bellek erişimi ek yükünü azaltmak için FlashAttention kullanır.
  3. Mimari Verimlilik:

    • Azaltılmış Parametre Sayısı: Önceki birçok modele kıyasla doğruluğu korurken veya iyileştirirken daha az parametreye ulaşır.
    • Basitleştirilmiş Dikkat: Konumsal kodlamadan kaçınan, sadeleştirilmiş bir dikkat uygulaması kullanır.
    • Optimize Edilmiş MLP Oranları: Hesaplama kaynaklarını daha etkili tahsis etmek için MLP oranlarını ayarlar.

Gereksinimler#

Ultralytics YOLO12 uygulaması varsayılan olarak FlashAttention gerektirmez. Ancak FlashAttention isteğe bağlı olarak derlenip YOLO12 ile kullanılabilir. FlashAttention'ı derlemek için aşağıdaki NVIDIA GPU'lardan biri gerekir:

Atıflar ve Teşekkürler#

Araştırmanda YOLO12 kullanıyorsan lütfen University at Buffalo ve University of Chinese Academy of Sciences tarafından yayımlanan özgün çalışmaya atıfta bulun:

Atıf
@inproceedings{tian2025yolov12,
  title={YOLOv12: Attention-Centric Real-Time Object Detectors},
  author={Tian, Yunjie and Ye, Qixiang and Doermann, David},
  booktitle={Advances in Neural Information Processing Systems},
  volume={38},
  pages={78433--78457},
  year={2025},
  url={https://proceedings.neurips.cc/paper_files/paper/2025/file/7103444259031cc58051f8c9a4868533-Paper-Conference.pdf}
}

@software{yolo12,
  author = {Tian, Yunjie and Ye, Qixiang and Doermann, David},
  title = {YOLO12: Attention-Centric Real-Time Object Detectors},
  year = {2025},
  url = {https://github.com/sunsmarterjie/yolov12},
  license = {AGPL-3.0}
}

YOLO12 makalesi NeurIPS 2025 bildirilerinde yayımlandı; ön baskısı ise arXiv üzerinde.

Sık Sorulan Sorular#

  • YOLO12, hız ve doğruluğu dengelemek için çeşitli önemli yenilikler içerir. Alan Dikkat mekanizması, büyük alıcı alanlarını verimli biçimde işleyerek standart öz-dikkate kıyasla hesaplama maliyetini azaltır. Artık Verimli Katman Toplama Ağları (R-ELAN), daha büyük dikkat merkezli modellerdeki optimizasyon zorluklarını gidererek özellik toplamayı iyileştirir. FlashAttention kullanımı ve konumsal kodlamanın kaldırılması da dahil olmak üzere optimize edilmiş dikkat mimarisi verimliliği daha da artırır. Bu özellikler, YOLO12'nin birçok uygulamanın ihtiyaç duyduğu gerçek zamanlı çıkarım hızını korurken yüksek doğruluğa ulaşmasını sağlar.

  • YOLO12, çok çeşitli temel bilgisayarlı görü görevlerini destekler: nesne algılama, örnek segmentasyonu, görüntü sınıflandırması, poz tahmini ve yönelimli nesne algılama (OBB). Bu sayede YOLO12, robotik ve otonom sürüşten tıbbi görüntülemeye ve endüstriyel denetime kadar çeşitli alanlarda kullanılabilir. Önceden eğitilmiş .pt ağırlıklarının şu anda yalnızca algılama için yayımlandığını; segmentasyon, poz, sınıflandırma ve OBB mimarilerinin ise sıfırdan eğitim için .yaml yapılandırmaları olarak sunulduğunu unutma.

  • YOLO12, YOLOv10 ve YOLO11 gibi önceki YOLO modellerine kıyasla tüm model ölçeklerinde doğruluğu artırır; ancak önceki en hızlı modellere kıyasla hız konusunda bazı ödünler söz konusudur. Örneğin YOLO12n, COCO val2017 veri kümesinde YOLOv10n'e kıyasla %2,1, YOLO11n'e kıyasla %1,2 mAP artışı sağlar. RT-DETR gibi modellerle karşılaştırıldığında YOLO12s, %1,5 mAP artışı ve %42 hız artışı sunar. Bu ölçümler, YOLO12'nin doğruluk ve verimlilik arasında güçlü bir denge kurduğunu gösterir.

  • Ultralytics YOLO12 uygulaması varsayılan olarak FlashAttention gerektirmez. Ancak bellek erişimi ek yükünü en aza indirmek için FlashAttention isteğe bağlı olarak derlenip YOLO12 ile kullanılabilir. FlashAttention'ı derlemek için şu NVIDIA GPU'lardan biri gerekir: Turing GPU'lar (ör. T4, Quadro RTX serisi), Ampere GPU'lar (ör. RTX30 serisi, A30/40/100), Ada Lovelace GPU'lar (ör. RTX40 serisi) veya Hopper GPU'lar (ör. H100/H200). Bu, donanımları desteklediğinde kullanıcıların FlashAttention'dan yararlanmasını sağlar.

  • Bu sayfada eğitim ve çıkarım için temel kullanım örnekleri sunuluyor. YOLO12, diğer Ultralytics modelleriyle aynı Eğitim, Doğrulama, Tahmin ve Dışa Aktarma modlarını ve Segment, Sınıflandırma, Poz ve OBB görev arayüzlerini kullanır.

Yorumlar69

Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.

  1. Zixuan-HeGitHub

    I try use the YOLO12-seg, but with update to lastest version (> pip install -U ultralytics) it is still showing (No such file or directory: 'YOLO12n-seg.pt) with code (yolo segment train data=data.yaml model=YOLO12n-seg.pt epochs=200 batch=16 imgsz=640 patience=25 ). theYOLO12n.pt for obj is good. Is the code changed or need other input?

    1
    1. Glenn JocherUltralytics

      @Zixuan-He Answer:
      The YOLO12-seg model requires using its specific configuration file. Try model=yolo12-seg.yaml instead of the .pt file to initialize training. The segmentation weights are not yet released as pretrained .pt files, but you can train from scratch using the YAML configuration. For details, see the YOLO12-seg documentation.

      2
    2. LucasGenoudGitHub

      Hello, thank you for your answer ! Do you have any date estimation of when the pretrained segmentation models for YOLO12 will be available ? Thanks

    3. Glenn JocherUltralytics

      We don't have an official release date for YOLO12-seg pretrained weights yet, but you can train segmentation models from scratch using the YOLO12-seg.yaml configuration. For updates, please monitor the YOLO12 documentation.

    4. Glenn JocherUltralytics

      Thank you for your kind words! We don't have a specific release date for YOLO12-seg pretrained weights yet, but you can monitor the YOLO12 documentation for updates. The team typically announces new model releases there first. For now, training from scratch using the YOLO12-seg.yaml configuration remains the recommended approach.

  2. dolokbutarbutar24GitHub

    Here are some sample images for the healthy class. I also attached some "results" images, hopefully can give more information so you guys can help me with the project.

    Pada Sen, 30 Mar 2026 pukul 15.58 Glenn Jocher @.***> menulis:

    Thanks for dropping this question here so the Ultralytics team can see it; for leaf-disease datasets, mAP50-95 usually improves more from cleaner labels, balanced class counts, harder negative samples, and reviewing per-class PR/confusion outputs than from pushing loss weights alone, so I’d next tune weight_decay, momentum, warmup_epochs, lrf, translate, shear, perspective, fliplr, and close_mosaic using the hyperparameter tuning guide https://docs.ultralytics.com/guides/hyperparameter-tuning/ and performance metrics guide https://docs.ultralytics.com/guides/yolo-performance-metrics/. If you can share a few sample images, labels, and training curves here, we can suggest a tighter search space, and it’s also worth benchmarking the same split with YOLO26 https://docs.ultralytics.com/models/yolo26/ since YOLO12 is mainly maintained as a community research model.

    — Reply to this email directly, view it on GitHub https://github.com/orgs/ultralytics/discussions/19360?email_source=notifications&email_token=A23CVICPPIXOD6F3LMBB52T4TIZKDA5CNFSNUABIM5UWIORPF5TWS5BNNB2WEL2ENFZWG5LTONUW63SDN5WW2ZLOOQXTCNRTG44DGNRZUZZGKYLTN5XKOY3PNVWWK3TUUVSXMZLOOSWGM33PORSXEX3DNRUWG2Y#discussioncomment-16378369, or unsubscribe https://github.com/notifications/unsubscribe-auth/A23CVIG2PM2BD5335IFZQXT4TIZKDAVCNFSM6AAAAABXS26SR6VHI2DSMVQWIX3LMV43URDJONRXK43TNFXW4Q3PNVWWK3TUHMYTMMZXHAZTMOI . You are receiving this because you commented.Message ID: @.*** com>

    1. Glenn JocherUltralytics

      Thanks, that helps; from those samples I’d next verify that the healthy labels are fully consistent and that the class counts are not skewed, then please attach a few matching image/label .txt pairs plus results.csv and confusion_matrix_normalized.png so we can check whether this is a data issue rather than a YOLO12 training issue, and if you recently fixed labels please delete any labels/*.cache files before retraining.

  3. dolokbutarbutar24GitHub

    I am currently working on a project to detect cassava leaf diseases using YOLOv12. The focus of this research is to perform hyperparameter tuning and also determine the most suitable augmentation configuration to improve model performance. So far, the trained model is still hovering around the 0.5 range for the mAP@50-95 evaluation metric. Here are the hyperparameters I have used for tuning so far: epochs=100, patience=20, imgsz=1024, batch=8, optimizer='auto', lr0=0.00511, box=6.32971, cls=2.87957, dfl=2.12658, mosaic=0.25, scale=0.15, mixup=0.0, copy_paste=0.0, degrees=10.0, hsv_h=0.015, hsv_s=0.7, hsv_v=0.4.

    What other strategies can I do to improve my model's performance, especially on the mAP@50-95 evaluation metric? Do you have any suggestions for other hyperparameters that need to be added to this project for tuning? I'm sure your experience and skills can answer that and help me hahaha.

    1. Glenn JocherUltralytics

      Thanks for dropping this question here so the Ultralytics team can see it; for leaf-disease datasets, mAP50-95 usually improves more from cleaner labels, balanced class counts, harder negative samples, and reviewing per-class PR/confusion outputs than from pushing loss weights alone, so I’d next tune weight_decay, momentum, warmup_epochs, lrf, translate, shear, perspective, fliplr, and close_mosaic using the hyperparameter tuning guide and performance metrics guide. If you can share a few sample images, labels, and training curves here, we can suggest a tighter search space, and it’s also worth benchmarking the same split with YOLO26 since YOLO12 is mainly maintained as a community research model.

  4. Clousy

    在5090 32G上使用yolo12l训练模型的时候,数据量大概7万左右,batch_size=24 内存占用在24G左右,为啥速度只有2-3it/s 是哪里设置有问题?下面是训练参数: rain_args = dict( data="data.yaml", epochs=500, imgsz=640, batch=24, device=device, workers=16,

        cache=False,      
        amp=True, 
        
        # --- 减少 CPU 负担 ---
        mosaic=0.0,        # 暂时关掉 Mosaic 看看速度是否飙升
        mixup=0.0,         # 同上
    )
    1. Glenn JocherUltralytics

      yolo12l 本身是重注意力结构,吞吐会比同尺度的 CNN 系列低不少,所以你看到的 2–3 it/s 在 batch=24 下未必异常(折算大约是 48–72 img/s);如果你目标是更高训练/CPU 端速度,建议直接换到更稳更快的 Ultralytics YOLO26(YOLO12 更偏研究/基准用途,见 YOLO12 文档)。想确认是不是环境/数据读取瓶颈的话,请把 yolo checks 输出和完整文本训练日志(含第一轮的进度条行、CUDA:/显卡名、DataLoader 相关信息)贴在这里;另外你现在 cache=False 可能会被磁盘 IO 卡住、workers=16 在部分系统上也会造成额外调度开销,建议先用下面这组参数做一次对照测试(同一数据/同一 imgsz),看 it/s 是否明显变化:

      yolo checks
      yolo train model=yolo12l.pt data=data.yaml epochs=2 imgsz=640 batch=24 device=0 workers=8 cache=True mosaic=0.0 mixup=0.0
  5. dolokbutarbutar24GitHub

    is there any video (tutorial) about how to classify plant disease? i'm confused about how to do it because i need guidance to do classify task

    1. Glenn JocherUltralytics(düzenlendi)

      Yes—plant disease is just a standard image classification workflow; please follow the Ultralytics YOLO classification guide (and drop any follow-up questions here in this discussion so the Ultralytics team can see them), then try:

      from ultralytics import YOLO
      
      # ImageNet-pretrained classifier backbone (recommended starting point)
      model = YOLO("yolo26n-cls.pt")
      
      # Your dataset folder should contain train/ and val/ with one subfolder per class
      model.train(data="path/to/plant_disease_dataset", epochs=50, imgsz=224)

      If you share your dataset folder layout (just the directory tree) and what’s confusing you, I can point you to the exact next step.

  6. asad121101GitHub

    Hello , this new yolo12 is using what architecture in neck ? pan or fpn ? or some thing else ?

  7. Sourabh0052GitHub

    while working on classification model using YOLO12-cls and i do not make any .yaml file, just simply provide the data source path then will it work same or not

  8. radadiavasuGitHub

    I faced a problem that recently I put my model on training with yolo12x but at 98/100 epoch it stopped due to units are over on colab pro but when I start again and expect to start from 98 but it start from 1/100 instead of 98 even in results.csv I couldn't get anything. Why this problem occurs?

  9. deldanrGitHub

    When resuming a training session started with Yolov12, after the AMP check, the training session downloads a Yolov11 model to continue, which I assume is an error.

    Attached is part of the log: YOLOv12l summary: 488 layers, 26,389,875 parameters, 26,389,859 gradients, 89.4 GFLOPs

    Transferred 1245/1245 items from pretrained weights Freezing layer 'model.21.dfl.conv.weight' AMP: Running Automatic Mixed Precision (AMP) checks... Downloading https://github.com/ultralytics/assets/releases/download/v8.3.0/yolo11n.pt to 'yolo11n.pt'... <-- Here's the error

  10. pvurdaGitHub

    Has anyone found a low-cost, low-latency way to generate a short semantic scene caption (e.g., “two people loading a van”) on top of YOLO12 detections in real time?