[python][yolov12]将yolov12封装成类几句代码实现目标检测任务

【算法介绍】

长期以来，优化YOLO框架的网络架构一直是研究的核心焦点，然而，这些努力大多局限于基于卷积神经网络（CNN）的改进，尽管注意力机制在提升模型建模能力方面已展现出显著优势。这一局限性的原因在于，基于注意力的模型在速度性能上往往难以匹敌CNN模型。针对这一挑战，本文提出了一种以注意力机制为核心的YOLO框架——YOLOv12，该框架在保持与先前CNN基模型相近速度的同时，充分发挥了注意力机制的性能潜力。

YOLOv12在精度方面超越了所有主流的实时目标检测器，同时保持了卓越的速度表现。具体而言，YOLOv12-N在T4 GPU上实现了仅1.64毫秒的推理延迟，并达到了40.6%的mAP（平均精度均值），这一成绩优于先进的YOLOv10-N和YOLOv11-N（分别提升了2.1%和1.2%的mAP），且速度相当。这一优势同样体现在其他模型规模上。此外，YOLOv12还超越了基于DETR改进的端到端实时检测器，如RT-DETR和RT-DETRv2。例如，YOLOv12-S在速度提升42%、计算量减少至36%、参数量减少至45%的情况下，性能仍优于RT-DETR-R18和RT-DETRv2-R18。更多详细比较请参见图1。

【框架地址】

github.com/sunsmarterjie/yolov12

【视频演示】

https://www.bilibili.com/video/BV1KQAteXEFY/

【调用代码】

from Yolov12Manager import *

detectcor = Yolov12Mangager(weights='weights/yolov12n.pt')
# img = cv2.imread(r'E:\person.jpg')
# result_list = detectcor.inference_image(img)
# result_img = detectcor.draw_image(result_list, img)
# cv2.imshow('result', img)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
detectcor.start_video(r'D:\car.mp4')