YOLOv13-S 是 YOLO 第十三代系列中的小型轻量化版本（Small），在模型体积与检测精度之间实现了良好平衡。它在保持 YOLO 系列高速推理特性的同时，优化了主干网络与特征融合结构，引入轻量级注意力机制与动态卷积算子，从而在低功耗平台上依然具备较强的目标识别能力。

与超轻量版本 YOLOv13-N 相比，YOLOv13-S 在特征提取深度与通道数上更为丰富，因此在多目标检测和中等复杂度场景中表现更优。其小巧的模型体积与毫秒级推理延迟，使其非常适合部署在移动设备、无人机、智能摄像头及 IoT 边缘设备中。

源模型

• 输入尺寸: 1x3x640x640
• 参数量: 8.65M
• 模型大小: 34.74M
• 输出尺寸: 1x84x8400

源模型仓库：yolov13

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md