ZVIOLIN
PROJ-01
PROJ-01 AI/ML 活跃中

YOLO-Master

CVPR 2026 实时目标检测 · 官方仓库贡献者

腾讯优图实验室 CVPR 2026 论文 YOLO-Master（MoE-Accelerated with Specialized Transformers for Enhanced Real-time Detection）官方仓库。完成腾讯犀牛鸟开源人才培养计划全部三阶段（课程研学 / issue 实践 / 课题实战）：提交 2 个 PR（#219 已合并、#289 课题实战结题），获开源研学结课证书与优秀学生证书。

PyTorchUltralyticsMoETransformerModel Zoo
★ 0 Stars
开源社区 用户
CVPR 2026 性能
2026 年份
查看源码 返回列表
yolo-master.json 
{
  "id": "yolo-master",
  "title": "YOLO-Master",
  "type": "AI/ML",
  "year": "2026",
  "status": "active",
  "category": "AI/CV",
  "tech": ["PyTorch", "Ultralytics", "MoE", "Transformer", "Model Zoo"],
  "github": "https://github.com/zvioling/YOLO-Master"
}
01

项目概述

腾讯优图实验室 CVPR 2026 论文 YOLO-Master（MoE-Accelerated with Specialized Transformers for Enhanced Real-time Detection）官方仓库。完成腾讯犀牛鸟开源人才培养计划全部三阶段（课程研学 / issue 实践 / 课题实战）：提交 2 个 PR（#219 已合并、#289 课题实战结题），获开源研学结课证书与优秀学生证书。

02

核心特性

🏆

犀牛鸟三阶段全完成 — 2026 腾讯犀牛鸟开源人才培养计划初阶课程研学、中阶 issue 实践、高阶课题实战全部完成，获开源研学结课证书与优秀学生证书

🔀

官方 PR 被合并 — PR #219「Cross-Scale Expert Sharing MoE（Issue #54 方案 D）」已被官方仓库合并（Merged）；另提交结题 PR #289「Foundation 路由 KD —— Router 软目标蒸馏全链实现」

📄

CVPR 2026 官方代码 — 腾讯优图实验室论文 YOLO-Master 官方实现（arXiv 2512.23273），MoE 加速 + 专用 Transformer 的实时目标检测

🤖

MoE 检测架构 — 混合专家（MoE）加速设计配合专门化 Transformer，兼顾实时性与检测精度

🧪

Ultralytics 生态 — 基于 Ultralytics 框架，支持训练/推理/导出，提供 Model Zoo 预训练权重

🚀

在线体验 — 官方提供 Hugging Face Spaces 演示与 Colab Notebook，可快速上手验证

03

技术架构

检测框架
PyTorch + Ultralytics
核心架构
MoE 加速 + 专用 Transformer（Specialized Transformers）
权重与部署
官方 Model Zoo（v26.02）· HuggingFace / Colab
05

详细说明

项目概述

YOLO-Master 是腾讯优图实验室发表于 CVPR 2026 的实时目标检测工作（MOE-Accelerated with Specialized Transformers for Enhanced Real-time Detection，arXiv 2512.23273）的官方代码库。

2026 年参加腾讯犀牛鸟开源人才培养计划并完成全部三个培养阶段——初阶开源基础课程（获开源研学结课证书）、中阶开源 issue 实践（Issue #54）、高阶开源课题实战（PR #289 结题），以贡献者身份向官方仓库提交 2 个 PR；并在 Ultralytics 生态下完成训练 / 推理流程的复现验证，深入实践 MoE 与专用 Transformer 的加速设计。

个人工作

以贡献者身份独立完成以下工作，全部可在官方仓库追溯验证：

  1. Issue 实践（Issue #54，中高难度）——调研 MoT 任务，完成方案对比与选型，确定方案 D（Cross-Scale Expert Sharing MoE）并独立实现
  2. PR #219（已合并）——跨尺度专家共享 MoE 模块实现，通过官方 Code Review 合并进入主干
  3. PR #289（结题）——Foundation 路由 KD：Router 软目标蒸馏全链路实现
  4. 复现验证——Ultralytics 生态下的训练 / 推理 / 导出流程验证，沉淀 MoE 加速设计的工程实践经验

开源成果

成果 说明
PR #219 feat: Cross-Scale Expert Sharing MoE（Issue #54 方案 D）——已被官方合并（Merged）
PR #289 [犀牛鸟-f11] Foundation 路由 KD —— Router 软目标蒸馏全链实现（结题）
开源研学结课证书 腾讯犀牛鸟开源人才培养计划 · 初阶开源基础课程结课（2026TROPebc2fa，2026 年 9 月颁发）
优秀学生证书 Tencent YOLO-Master · 优秀学生（福州大学）

关注点

  • MoE 加速设计：混合专家机制如何在不牺牲实时性的前提下提升检测精度
  • 跨尺度专家共享：PR #219 实现的 Cross-Scale Expert Sharing MoE 方案（Issue #54 方案 D）
  • 路由蒸馏：PR #289 实现的 Foundation 路由 KD——Router 软目标蒸馏全链
  • 工程实践：Ultralytics 生态下的数据准备、训练调度与模型导出

相关链接