YOLOv12 是“你只看一次”（You Only Look Once, YOLO）系列的最新版本，于 2025 年 2 月發布。它引入了注意力機制，提升了檢測精度，同時保持了高效的實時性能。在保持速度的同時，顯著提升了檢測精度。例如，YOLOv12-N 在 T4 GPU 上的推理延遲為 1.64 毫秒，平均精度（mAP）達到 40.6%，相比 YOLOv10-N 和 YOLOv11-N 分別提升了 2.1% 和 1.2%
YOLOv12?作為?YOLO?系列的最新迭代，首次將注意力機制深度融入單階段檢測框架，通過三大關鍵技術實現性能飛躍：
-
區域注意力模塊（A2）：通過特征圖分塊與重塑操作，將全局注意力的計算復雜度從二次方降至線性，同時保留大感受野，兼顧效率與精度。
-
殘差高效層聚合網絡（R-ELAN）：引入塊級殘差連接與動態縮放技術，解決傳統ELAN的梯度阻塞問題，提升訓練穩定性與特征融合能力。
-
極簡架構設計：移除位置編碼、降低MLP擴展比、減少堆疊塊深度，結合FlashAttention優化內存訪問效率，推理速度較YOLOv9提升42%。
在性能方面更是全面碾壓前代模型，在 MS COCO 基準測試中，YOLOv12展現出顯著優勢：
-
小型模型（YOLOv12-N）：以40.6% mAP超越YOLOv10-N（38.5%），延遲僅1.64毫秒/圖像。
-
中型模型（YOLOv12-S）：48.0% mAP，較YOLOv8-S提升3.0%，計算量降低至21.4G FLOPs。
-
跨任務兼容性：支持實例分割、姿態估計等擴展任務，在復雜場景（如遮擋、低光照）中檢測精度提升15%以上。
與基于 Transformer 的?RT-DETR?相比，YOLOv12-S 快42%、僅需36%計算資源，在實時性與部署成本上占據絕對優勢。
接下來就為大家奉上詳細的?YOLOv12 本地部署教程，手把手教你如何將模型部署到你的項目中，輕松享受高性能AI帶來的便利。
二、部署流程
環境推薦配置
系統：Ubuntu22.04，
顯卡：4090，
顯存：24G，cuda11.8
1. 基礎環境
查看系統是否有Miniconda3的虛擬環境
conda -V
如果輸入命令沒有顯示Conda版本號，則需要安裝。
2.更新系統命令
輸入下列命令將系統更新及系統下載
apt-get update && apt-get install ffmpeg libsm6 libxext6 -y
3.創建虛擬環境
創建名稱為“yolov12”的虛擬環境并激活
conda create -n yolov12 python=3.11 -y
conda activate yolov12
4.下載模型
輸入下列命令下載yolov12模型同時進入項目中
git clone https://gitclone.com/github.com/sunsmarterjie/yolov12.git
cd yolov12/
5.下載模型依賴包
輸入下列命令：
pip install -r requirements.txt
出現報錯，重新使用命令下載包同時換源加速：
wget https://github.com/Dao-AILab/flash-attention/releases/download/v2.7.3/flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
繼續下載其他依賴包
pip install -e .
三、網頁演示
在本地運行Gradio應用程序，使用下列命令運行項目呈現模型的成功界面
python app.py
打開網址：
