YOLOv10: रीयल-टाइम एंड-टू-एंड ऑब्जेक्ट डिटेक्शन

YOLOv10, पर बनाया गया Ultralytics Python सिंघुआ विश्वविद्यालय के शोधकर्ताओं द्वारा पैकेज, वास्तविक समय ऑब्जेक्ट डिटेक्शन के लिए एक नया दृष्टिकोण पेश करता है, जो पिछले में पाए गए पोस्ट-प्रोसेसिंग और मॉडल आर्किटेक्चर दोनों कमियों को संबोधित करता हैYOLO संस्करणों। गैर-अधिकतम दमन (NMS) को समाप्त करके और विभिन्न मॉडल घटकों को अनुकूलित करके, YOLOv10 काफी कम कम्प्यूटेशनल ओवरहेड के साथ अत्याधुनिक प्रदर्शन प्राप्त करता है। व्यापक प्रयोग कई मॉडल पैमानों में इसकी बेहतर सटीकता-विलंबता व्यापार-बंद प्रदर्शित करते हैं।

विहंगावलोकन

रीयल-टाइम ऑब्जेक्ट डिटेक्शन का उद्देश्य कम विलंबता वाली छवियों में ऑब्जेक्ट श्रेणियों और स्थितियों की सटीक भविष्यवाणी करना है। वही YOLO प्रदर्शन और दक्षता के बीच संतुलन के कारण श्रृंखला इस शोध में सबसे आगे रही है। हालांकि, एनएमएस और वास्तुशिल्प अक्षमताओं पर निर्भरता ने इष्टतम प्रदर्शन में बाधा उत्पन्न की है। YOLOv10 NMS-मुक्त प्रशिक्षण और एक समग्र दक्षता-सटीकता संचालित मॉडल डिजाइन रणनीति के लिए लगातार दोहरे असाइनमेंट शुरू करके इन मुद्दों को संबोधित करता है।

स्‍थापत्‍यशैली

YOLOv10 की वास्तुकला पिछले की ताकत पर आधारित है YOLO कई प्रमुख नवाचारों को पेश करते हुए मॉडल। मॉडल आर्किटेक्चर में निम्नलिखित घटक होते हैं:

1. बैकबोन: फीचर निष्कर्षण के लिए जिम्मेदार, YOLOv10 में बैकबोन ग्रेडिएंट फ्लो को बेहतर बनाने और कम्प्यूटेशनल रिडंडेंसी को कम करने के लिए CSPNet (क्रॉस स्टेज पार्शियल नेटवर्क) के एक उन्नत संस्करण का उपयोग करता है।
2. गर्दन: गर्दन को विभिन्न पैमानों से सुविधाओं को एकत्र करने और उन्हें सिर तक पारित करने के लिए डिज़ाइन किया गया है। इसमें प्रभावी मल्टीस्केल फीचर फ्यूजन के लिए पैन (पाथ एग्रीगेशन नेटवर्क) परतें शामिल हैं।
3. एक-से-कई सिर: समृद्ध पर्यवेक्षी संकेत प्रदान करने और सीखने की सटीकता में सुधार करने के लिए प्रशिक्षण के दौरान प्रति वस्तु कई भविष्यवाणियां उत्पन्न करता है।
4. एक-से-एक सिर: एनएमएस की आवश्यकता को समाप्त करने के लिए अनुमान के दौरान प्रति वस्तु एक सर्वोत्तम भविष्यवाणी उत्पन्न करता है, जिससे विलंबता कम होती है और दक्षता में सुधार होता है।

प्रमुख विशेषताऐं

1. एनएमएस-मुक्त प्रशिक्षण: एनएमएस की आवश्यकता को समाप्त करने के लिए लगातार दोहरे असाइनमेंट का उपयोग करता है, अनुमान विलंबता को कम करता है।
2. समग्र मॉडल डिजाइन: दक्षता और सटीकता दोनों दृष्टिकोणों से विभिन्न घटकों का व्यापक अनुकूलन, जिसमें हल्के वर्गीकरण प्रमुख, स्थानिक-चैनल नीचे नमूनाकरण, और रैंक-निर्देशित ब्लॉक डिजाइन शामिल हैं।
3. उन्नत मॉडल क्षमताएं: महत्वपूर्ण कम्प्यूटेशनल लागत के बिना प्रदर्शन में सुधार के लिए बड़े-कर्नेल कनवल्शन और आंशिक आत्म-ध्यान मॉड्यूल शामिल हैं।

मॉडल वेरिएंट

YOLOv10 विभिन्न एप्लिकेशन आवश्यकताओं को पूरा करने के लिए विभिन्न मॉडल पैमानों में आता है:

• YOLOv10-N: अत्यंत संसाधन-विवश वातावरण के लिए नैनो संस्करण।
• YOLOv10-S: गति और सटीकता को संतुलित करने वाला छोटा संस्करण।
• YOLOv10-M: सामान्य प्रयोजन के उपयोग के लिए मध्यम संस्करण।
• YOLOv10-B: उच्च सटीकता के लिए बढ़ी हुई चौड़ाई के साथ संतुलित संस्करण।
• YOLOv10-L: बढ़े हुए कम्प्यूटेशनल संसाधनों की कीमत पर उच्च सटीकता के लिए बड़ा संस्करण।
• YOLOv10-X: अधिकतम सटीकता और प्रदर्शन के लिए अतिरिक्त-बड़ा संस्करण।

प्रदर्शन

YOLOv10 ने पिछला प्रदर्शन किया YOLO सटीकता और दक्षता के मामले में संस्करण और अन्य अत्याधुनिक मॉडल। उदाहरण के लिए, YOLOv10-S की तुलना में 1.8x तेज है RT-DETR-R18 COCO डेटासेट पर समान AP के साथ, और YOLOv10-B में समान प्रदर्शन के साथ YOLOv9-C की तुलना में 46% कम विलंबता और 25% कम पैरामीटर हैं।

विलंबता के साथ मापा जाता है TensorRT T16 पर FP4 GPU.

पद्धति

एनएमएस-मुक्त प्रशिक्षण के लिए लगातार दोहरे असाइनमेंट

YOLOv10 दोहरे लेबल असाइनमेंट को नियोजित करता है, प्रशिक्षण के दौरान एक-से-कई और एक-से-एक रणनीतियों को संयोजित करता है ताकि समृद्ध पर्यवेक्षण और कुशल एंड-टू-एंड तैनाती सुनिश्चित हो सके। सुसंगत मिलान मीट्रिक दोनों रणनीतियों के बीच पर्यवेक्षण को संरेखित करता है, अनुमान के दौरान भविष्यवाणियों की गुणवत्ता को बढ़ाता है।

समग्र दक्षता-सटीकता संचालित मॉडल डिजाइन

दक्षता संवर्द्धन

1. लाइटवेट वर्गीकरण सिर: गहराई-वार वियोज्य संकल्पों का उपयोग करके वर्गीकरण सिर के कम्प्यूटेशनल ओवरहेड को कम करता है।
2. स्थानिक-चैनल डिकपल्ड डाउन सैंपलिंग: सूचना हानि और कम्प्यूटेशनल लागत को कम करने के लिए स्थानिक कमी और चैनल मॉड्यूलेशन को कम करता है।
3. रैंक-गाइडेड ब्लॉक डिज़ाइन: इष्टतम पैरामीटर उपयोग सुनिश्चित करते हुए, आंतरिक चरण अतिरेक के आधार पर ब्लॉक डिज़ाइन को अनुकूलित करता है।

सटीकता संवर्द्धन

1. लार्ज-कर्नेल कनवल्शन: फीचर निष्कर्षण क्षमता को बढ़ाने के लिए ग्रहणशील क्षेत्र को बढ़ाता है।
2. आंशिक स्व-ध्यान (पीएसए): न्यूनतम ओवरहेड के साथ वैश्विक प्रतिनिधित्व सीखने में सुधार के लिए आत्म-ध्यान मॉड्यूल शामिल करता है।

प्रयोग और परिणाम

YOLOv10 को COCO जैसे मानक बेंचमार्क पर बड़े पैमाने पर परीक्षण किया गया है, जो बेहतर प्रदर्शन और दक्षता का प्रदर्शन करता है। मॉडल विभिन्न प्रकारों में अत्याधुनिक परिणाम प्राप्त करता है, पिछले संस्करणों और अन्य समकालीन डिटेक्टरों की तुलना में विलंबता और सटीकता में महत्वपूर्ण सुधार प्रदर्शित करता है।

तुलना

अन्य अत्याधुनिक डिटेक्टरों की तुलना में:

• YOLOv10-S / X 1.8× / 1.3× से तेज हैं RT-DETR-R18/R101 समान सटीकता के साथ
• YOLOv10-B में समान सटीकता पर YOLOv9-C की तुलना में 25% कम पैरामीटर और 46% कम विलंबता है
• YOLOv10-L/X आउटपरफॉर्म YOLOv8-L/X बाय 0.3 AP/0.5 AP 1.8×/2.3× कम पैरामीटर के साथ

यहाँ अन्य अत्याधुनिक मॉडल के साथ YOLOv10 वेरिएंट की विस्तृत तुलना है:

उपयोग के उदाहरण

YOLOv10 के साथ नई छवियों की भविष्यवाणी करने के लिए:

from ultralytics import YOLO

# Load a pre-trained YOLOv10n model
model = YOLO("yolov10n.pt")

# Perform object detection on an image
results = model("image.jpg")

# Display the results
results[0].show()

# Load a COCO-pretrained YOLOv10n model and run inference on the 'bus.jpg' image
yolo detect predict model=yolov10n.pt source=path/to/bus.jpg

कस्टम डेटासेट पर YOLOv10 के प्रशिक्षण के लिए:

from ultralytics import YOLO

# Load YOLOv10n model from scratch
model = YOLO("yolov10n.yaml")

# Train the model
model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Build a YOLOv10n model from scratch and train it on the COCO8 example dataset for 100 epochs
yolo train model=yolov10n.yaml data=coco8.yaml epochs=100 imgsz=640

# Build a YOLOv10n model from scratch and run inference on the 'bus.jpg' image
yolo predict model=yolov10n.yaml source=path/to/bus.jpg

समर्थित कार्य और मोड

YOLOv10 मॉडल श्रृंखला मॉडल की एक श्रृंखला प्रदान करती है, प्रत्येक उच्च प्रदर्शन ऑब्जेक्ट डिटेक्शन के लिए अनुकूलित है। ये मॉडल अलग-अलग कम्प्यूटेशनल आवश्यकताओं और सटीकता आवश्यकताओं को पूरा करते हैं, जिससे वे अनुप्रयोगों की एक विस्तृत श्रृंखला के लिए बहुमुखी हो जाते हैं।

निर्यात YOLOv10

YOLOv10 के साथ पेश किए गए नए संचालन के कारण, द्वारा प्रदान किए गए सभी निर्यात प्रारूप नहीं Ultralytics वर्तमान में समर्थित हैं। निम्न तालिका रेखांकित करती है कि किन स्वरूपों को सफलतापूर्वक परिवर्तित किया गया है Ultralytics YOLOv10 के लिए। यदि आप YOLOv10 के लिए अतिरिक्त प्रारूपों के निर्यात समर्थन को जोड़ने के लिए योगदान परिवर्तन प्रदान करने में सक्षम हैं, तो पुल अनुरोध खोलने के लिए स्वतंत्र महसूस करें।

समाप्ति

YOLOv10 पिछले की कमियों को दूर करके रीयल-टाइम ऑब्जेक्ट डिटेक्शन में एक नया मानक स्थापित करता है YOLO संस्करण और अभिनव डिजाइन रणनीतियों को शामिल करना। कम कम्प्यूटेशनल लागत के साथ उच्च सटीकता प्रदान करने की इसकी क्षमता इसे वास्तविक दुनिया के अनुप्रयोगों की एक विस्तृत श्रृंखला के लिए एक आदर्श विकल्प बनाती है।

प्रशंसा पत्र और पावती

हम सिंघुआ विश्वविद्यालय के YOLOv10 लेखकों को उनके व्यापक शोध और महत्वपूर्ण योगदान के लिए स्वीकार करना चाहते हैं Ultralytics ढांचा:

@article{THU-MIGyolov10,
  title={YOLOv10: Real-Time End-to-End Object Detection},
  author={Ao Wang, Hui Chen, Lihao Liu, et al.},
  journal={arXiv preprint arXiv:2405.14458},
  year={2024},
  institution={Tsinghua University},
  license = {AGPL-3.0}
}

विस्तृत कार्यान्वयन, वास्तुशिल्प नवाचारों और प्रयोगात्मक परिणामों के लिए, कृपया सिंघुआ विश्वविद्यालय टीम द्वारा YOLOv10 शोध पत्र और GitHub भंडार देखें।

अक्सर पूछे जाने वाले प्रश्न

YOLOv10 क्या है और यह पहले से कैसे अलग है YOLO संस्करणों?

सिंघुआ विश्वविद्यालय के शोधकर्ताओं द्वारा विकसित YOLOv10, वास्तविक समय वस्तु का पता लगाने के लिए कई महत्वपूर्ण नवाचारों का परिचय देता है। यह प्रशिक्षण के दौरान लगातार दोहरे असाइनमेंट को नियोजित करके गैर-अधिकतम दमन (एनएमएस) की आवश्यकता को समाप्त करता है और कम कम्प्यूटेशनल ओवरहेड के साथ बेहतर प्रदर्शन के लिए अनुकूलित मॉडल घटकों को अनुकूलित करता है। इसकी वास्तुकला और प्रमुख विशेषताओं के बारे में अधिक जानकारी के लिए, YOLOv10 अवलोकन अनुभाग देखें।

मैं YOLOv10 का उपयोग करके रनिंग इनफरेंस के साथ कैसे शुरुआत कर सकता हूं?

आसान अनुमान के लिए, आप Ultralytics YOLO Python लाइब्रेरी या कमांड लाइन इंटरफ़ेस (CLI). नीचे YOLOv10 का उपयोग करके नई छवियों की भविष्यवाणी करने के उदाहरण दिए गए हैं:

from ultralytics import YOLO

# Load the pre-trained YOLOv10-N model
model = YOLO("yolov10n.pt")
results = model("image.jpg")
results[0].show()

yolo detect predict model=yolov10n.pt source=path/to/image.jpg

उपयोग के अधिक उदाहरणों के लिए, हमारे उपयोग उदाहरण अनुभाग पर जाएं.

YOLOv10 कौन से मॉडल वेरिएंट पेश करता है और उनके उपयोग के मामले क्या हैं?

YOLOv10 विभिन्न उपयोग के मामलों को पूरा करने के लिए कई मॉडल वेरिएंट प्रदान करता है:

• YOLOv10-N: अत्यंत संसाधन-विवश वातावरण के लिए उपयुक्त
• YOLOv10-S: गति और सटीकता को संतुलित करता है
• YOLOv10-M: सामान्य प्रयोजन का उपयोग
• YOLOv10-B: बढ़ी हुई चौड़ाई के साथ उच्च सटीकता
• YOLOv10-L: कम्प्यूटेशनल संसाधनों की कीमत पर उच्च सटीकता
• YOLOv10-X: अधिकतम सटीकता और प्रदर्शन

प्रत्येक संस्करण को विभिन्न कम्प्यूटेशनल आवश्यकताओं और सटीकता आवश्यकताओं के लिए डिज़ाइन किया गया है, जो उन्हें विभिन्न प्रकार के अनुप्रयोगों के लिए बहुमुखी बनाता है। अधिक जानकारी के लिए मॉडल वेरिएंट अनुभाग का अन्वेषण करें।

YOLOv10 में NMS-मुक्त दृष्टिकोण प्रदर्शन को कैसे बेहतर बनाता है?

YOLOv10 प्रशिक्षण के लिए लगातार दोहरे असाइनमेंट को नियोजित करके अनुमान के दौरान गैर-अधिकतम दमन (NMS) की आवश्यकता को समाप्त करता है। यह दृष्टिकोण अनुमान विलंबता को कम करता है और भविष्यवाणी दक्षता को बढ़ाता है। वास्तुकला में अनुमान के लिए एक-से-एक सिर भी शामिल है, यह सुनिश्चित करते हुए कि प्रत्येक वस्तु को एक सर्वश्रेष्ठ भविष्यवाणी मिलती है। विस्तृत विवरण के लिए, एनएमएस-मुक्त प्रशिक्षण अनुभाग के लिए लगातार दोहरे असाइनमेंट देखें।

मुझे YOLOv10 मॉडल के निर्यात विकल्प कहां मिल सकते हैं?

YOLOv10 सहित कई निर्यात स्वरूपों का समर्थन करता है TorchScript, ONNX, OpenVINOऔर TensorRT. हालांकि, द्वारा प्रदान किए गए सभी निर्यात प्रारूप नहीं Ultralytics वर्तमान में अपने नए संचालन के कारण YOLOv10 के लिए समर्थित हैं। समर्थित स्वरूपों और निर्यात पर निर्देशों के विवरण के लिए, निर्यात YOLOv10 अनुभाग पर जाएँ।

YOLOv10 मॉडल के लिए प्रदर्शन बेंचमार्क क्या हैं?

YOLOv10 ने पिछला प्रदर्शन किया YOLO सटीकता और दक्षता दोनों में संस्करण और अन्य अत्याधुनिक मॉडल। उदाहरण के लिए, YOLOv10-S की तुलना में 1.8x तेज है RT-DETR-R18 COCO डेटासेट पर एक समान AP के साथ। YOLOv10-B समान प्रदर्शन के साथ YOLOv9-C की तुलना में 46% कम विलंबता और 25% कम पैरामीटर दिखाता है। विस्तृत बेंचमार्क तुलना अनुभाग में पाए जा सकते हैं ।

टिप्पणियाँ