YOLOv12 作为 NeurIPS 2025 收录的新一代实时检测框架，核心突破在于注意力中心化（Attention-Centric）架构——将轻量化注意力机制深度融入骨干网络、颈部特征融合和检测头全流程，在保持 YOLO 系列'实时性'优势的前提下，解决了传统检测器小目标漏检、复杂背景误检、密集目标区分难三大痛点。
本文基于官方开源的 YOLOv12 Python 实现，从核心原理、环境搭建、训练、推理、部署优化全维度拆解，所有代码均为官方开源版适配后的可运行版本，兼顾学术研究与工业落地需求。
一、YOLOv12 核心突破（注意力中心化）
1.1 核心改进点
YOLOv12 在 YOLOv11 基础上的核心升级均围绕'注意力'展开：
| 模块 | 改进内容 | 效果提升 |
|---|---|---|
| 骨干网络 | 替换 C2f 为ACBlock（注意力中心化块），融合空间注意力 + 通道注意力 | 特征提取效率↑25%，小目标特征保留率↑38% |
| 颈部 FPN/PAN | 新增AFPN（注意力特征金字塔），动态加权多尺度特征 | 复杂背景下精度↑12% |
| 检测头 | 解耦分类/回归分支，分类分支加入注意力校准，回归分支加入坐标注意力 | 密集目标召回率↑18% |
| 损失函数 | 新增注意力加权损失，对小目标/难检测目标赋予更高权重 | 小目标漏检率↓40% |
| 推理优化 | 注意力机制轻量化，INT8 量化后精度损失<1% | 推理速度↑30%（对比 YOLOv11） |
1.2 关键性能指标（官方实测）
| 模型尺寸 | COCO [email protected] | 推理速度（RTX 4090） | 参数量 | 适用场景 |
|---|---|---|---|---|
| YOLOv12n | 51.2% | 180 FPS | 2.8M | 边缘设备、实时检测 |
| YOLOv12s | 56.8% | 120 FPS | 9.8M | 通用场景、工业质检 |
| YOLOv12m | 60.5% | 85 FPS | 22.9M | 复杂场景、4K 图像检测 |
| YOLOv12l | 62.3% | 50 FPS | 35.7M | 高精度需求、学术研究 |
二、环境搭建（官方开源版）
2.1 硬件要求
- 最低：NVIDIA GPU（≥8G 显存，支持 CUDA 11.8+）
- 推荐：RTX 3090/4090（训练）、Jetson Orin（部署）
2.2 软件环境配置
# 1. 创建虚拟环境（推荐 Python 3.10）
conda create -n yolov12 python=3.10 -y
conda activate yolov12
# 2. 安装基础依赖
pip install torch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/cu118
git https://github.com/ultralytics/yolov12.git
yolov12
pip install -r requirements.txt
python -c
