点击上方蓝字关注我们微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识
免费领学习资料+微信：OpenCVXueTang_Asst
YOLO12介绍
YOLO12 引入了一种以注意力为中心的架构，它不同于以往YOLO 模型中使用的基于 CNN 的传统方法，但仍保持了许多应用所必需的实时推理速度。该模型通过对注意力机制和整体网络架构进行新颖的方法创新，实现了最先进的物体检测精度，同时保持了实时性能。
YOLO12安装
安装YOLO12支持的Ultralytics
pip install ultralytics自定义对象检测训练
以Pytorch官方提供的ant/bee数据集为例。
YOLO12对象检测训练命令行如下：
yolo detect train data=ants_bees_ds.yaml model=yolo12n.pt epochs=50 imgsz=640
模型导出命令行：
yolo export model=./runs/detect/train2/weights/best.pt format=onnx
OpenCV实验大师工具软件直接运行推理测试，效果：
自定义实例分割训练
数据集基于工业缺陷样本数据集
YOLO12-seg暂时还没有预训练的权重文件，所以只好用yaml文件重新训练，训练命令行如下：
yolo segment train data=dataset.yaml model=yolo12s-seg.yaml epochs=100 imgsz=640
模型导出命令行
yolo export model=runs/segment/train4/weights/best.pt format=onnx运行效果如下：
总结：
最后你会发现所谓YOLO11与YOLO12就是YOLOv8的魔改，只要会YOLOv8就会通杀YOLO系列所有模型！
推荐阅读
OpenCV4.8+YOLOv8对象检测C++推理演示
ZXING+OpenCV打造开源条码检测应用
攻略 | 学习深度学习只需要三个月的好方法
三行代码实现 TensorRT8.6 C++ 深度学习模型部署
实战 | YOLOv8+OpenCV 实现DM码定位检测与解析
对象检测边界框损失 – 从IOU到ProbIOU
初学者必看 | 学习深度学习的五个误区
