目标检测技术在工业检测、自动驾驶等领域至关重要，而 YOLO 系列一直是其中的佼佼者。不过，现有 YOLO 模型在建模全局高阶语义相关性上存在局限，难以应对复杂场景。

为此，全新的 YOLOv13 横空出世！它创新性地引入 HyperACE 机制，借助超图自适应探索高阶相关性，还提出 FullPAD 架构实现全流水线特征协同，搭配轻量级模块平衡效率与性能。在 MS COCO 基准上，YOLOv13 表现惊艳，超越前代 YOLO 模型，堪称实时目标检测领域的突破性进展。

为此，我系统梳理并精选了50篇聚焦于“YOLO+目标检测”技术路线的研究论文。

扫码回复【yolo目标检测】

免费领取论文合集

1.YOLOv13: Real - Time Object Detection with Hypergraph - Enhanced Adaptive Visual Perception

【要点】基于卷积运算的神经网络在深度学习领域取得了令人瞩目的成果，但标准卷积运算存在两个固有的缺陷。

【方法】本节详细介绍我们提出的 YOLOv13 检测器的整体方法。首先在 III-A 节阐述网络的总体架构；随后在 III-B 与 III-C 节分别给出基于超图的自适应相关性增强机制（HyperACE）和全流程特征聚合-分配范式（FullPAD）的思想与结构；最后在 III-D 节说明轻量级特征提取模块的设计。

【实验】在MS COCO数据集上与之前的YOLO系列模型进行了对比，YOLOv13模型优于其他模型，同时保持了轻量级的特点。此外，与基于ViT的方法相比，我们提出的YOLOv13模型不仅参数更少，计算复杂度更低，还能实现更高的检测精度。与RT-DETRv2-R18相比，我们的YOLOv13-S模型在减少55.0%的参数数量和65.3%的FLOPs的同时，精度提高了0.1%。

2.MHAF-YOLO: Multi-Branch Heterogeneous Auxiliary Fusion YOLO for Accurate Object Detection

【要点】本文提出了MHAF-YOLO检测框架，通过多分支辅助FPN（MAFPN）和全局异质柔性核选择（GHFKS）机制以及重参数化异质多尺度（RepHMS）模块，提高了对小目标和尺度变化显著物体的检测精度。

【方法】通过设计Superficial Assisted Fusion（SAF）和Advanced Assisted Fusion（AAF）两个模块，MHAF-YOLO在特征融合上实现了高低层特征的优化结合，并通过GHFKS和RepHMS进一步增强了特征融合能力。

【实验】作者在多个数据集上验证了MHAF-YOLO的性能，具体数据集名称在文中未明确提及，但根据常见的物体检测任务，可能包括COCO、PASCAL VOC等。实验结果表明，MHAF-YOLO在各项评价指标上均优于传统YOLO结构。

3. FFCA-YOLO for Small Object Detection in Remote Sensing Images

【要点】本文提出了FFCA-YOLO算法，通过三个创新性的轻量级模块增强了遥感图像中小目标的检测能力，并在多个数据集上取得了优于现有方法的性能。

【方法】FFCA-YOLO算法包括特征增强模块（FEM）、特征融合模块（FFM）和空间上下文感知模块（SCAM），这些模块分别提高了网络在局部区域感知、多尺度特征融合和全局跨通道及空间关联的能力。

【实验】使用VEDAI和AI-TOD两个公开遥感数据集以及自建的USOD数据集进行验证，FFCA-YOLO在mAP50指标上分别达到了0.748、0.617和0.909，超过了多个基准模型和现有最佳方法，同时L-FFCA-YOLO版本在保持效率的同时进一步降低了计算资源消耗。

4.A Contrario Paradigm for YOLO-based Infrared Small Target Detection

【要点】本文提出了一种将a contrario决策准则引入YOLO检测器训练的创新方法，以改善红外小目标检测的准确性并降低虚警率，缩小了与传统分割神经网络性能的差距。

【方法】作者将a contrario决策准则整合到YOLOv7-tiny检测器中，利用小目标的不规则性来区分其与复杂背景，优化了检测器的训练过程。

【实验】实验使用了公开的红外图像数据集进行测试，结果表明，改进后的YOLO检测器在保持高检测率的同时显著减少了虚警，特别是在少量样本的情况下，其鲁棒性也得到了显著提升。

扫码回复【yolo目标检测】

免费领取论文合集

看完这些最新研究方向，就可以开始准备CVPR、ICLR、AAAI等顶会论文了，但是如果你在写论文时还是想不出idea，缺乏数据集，不知道如何选择期刊投稿，那么可以找到追梦AI！ 专注学术背景提升，为大学生、硕士、博士提供专业的学术辅导服务。（郑重声明：不代写！）

扫码预约

追梦AI导师一对一meeting

01 导师牛

追梦AI由国际顶尖科研背景的博士团队领衔创立，6位创始成员均具备世界名校博士学历，深耕科研领域多年。

篇幅有限仅列举部分导师

我们还与2000+各领域顶尖导师深度合作，结合您的需求匹配大牛导师,提供高效优质的学术服务。

导师团队汇聚全球QS前100高校学术精英，涵盖英国牛津大学、美国加州大学、约翰・霍普金斯大学、清华大学、北京大学、复旦大学等世界一流学府，近年来个人论文产出量在10篇以上。

扫码预约

【追梦AI】导师一对一论文指导⬇️

（文末有福利）

02 辅导牛

我们提供个性化论文指导服务、4V1多师一体服务、导师实时互动、录播无限次回看免费课后答疑、24h无时差上课。

无论你目标是CCF-A/B/C、SCI1-4区，还是EI会议，这些 “大牛导师” 都从选题、调研、idea验证、代码、实验、润色、投稿、直至中稿一站式科研服务。

03 结果牛

累计服务学员200000+，满意度高达96.3%，成功发表率高达87%

以结果为导向，配套代码提升指导，GPU环境资源，提供维护服务，直至中稿！

扫码预约

【追梦AI】导师一对一论文指导⬇️

04 公司牛

科研辅导机构那么多，为什么一定要选择追梦AI?

真实科学家联合创始人、真实科研大模型助手、真实学术会议合作、真实高校合作

05 福利牛

科研资料大放送：

1.《时间序列顶刊论文合集》

2.《1000+热门idea合集》

3. 《申博咨询规划一次》

报名免费赠送AI全栈基础课程

扫码领取

科研福利大礼包⬇️

科研逆袭，从找对领路人开始！