YOLOv13-L 是 YOLO 第十三代系列中的大型版本（Large），专为对检测精度和鲁棒性要求较高的场景打造。相比 YOLOv13-M，YOLOv13-L 在网络深度与通道宽度上进一步增强，并引入改进的多尺度特征融合结构和全局注意力机制，从而在复杂背景、多目标密集分布及小目标检测方面展现出更强的表现力。

该模型在 COCO、Objects365 等主流数据集上取得了更高的 mAP 指标，尤其适合自动驾驶、智慧城市监控、工业质检和医疗影像分析等对可靠性和精度要求极高的应用场景。尽管参数量和计算需求更大，但在 GPU、NPU 等高性能硬件和高效推理框架的支持下，YOLOv13-L 依然能够实现接近实时的处理速度。

源模型

• 输入尺寸: 1x3x640x640
• 参数量: 26.32M
• 模型大小: 105.65M
• 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