YOLOv10: Deteção de Objetos de Ponta a Ponta em Tempo Real#

O YOLOv10, lançado em maio de 2024 e construído sobre o Ultralytics pacote Python por pesquisadores da Universidade de Tsinghua, introduz uma nova abordagem para a detecção de objetos em tempo real, abordando tanto as deficiências de pós-processamento quanto de arquitetura de modelos encontradas em versões anteriores do YOLO. Ao eliminar a supressão não máxima (NMS) e otimizar vários componentes do modelo, o YOLOv10 alcançou excelente desempenho com sobrecarga computacional significativamente reduzida no momento de seu lançamento. Seu design ponta a ponta sem NMS pioneirizou uma abordagem que foi desenvolvida posteriormente no YOLO26.

Visão geral#

A detecção de objetos em tempo real visa prever com precisão categorias e posições de objetos em imagens com baixa latência. A série YOLO tem estado na vanguarda desta pesquisa devido ao seu equilíbrio entre desempenho e eficiência. No entanto, a dependência de NMS e as ineficiências arquitetônicas têm dificultado o desempenho ideal. O YOLOv10 aborda esses problemas introduzindo atribuições duplas consistentes para treinamento sem NMS e uma estratégia holística de design de modelo impulsionada por eficiência e precisão.

Arquitetura#

A arquitetura do YOLOv10 baseia-se nos pontos fortes dos modelos YOLO anteriores, introduzindo várias inovações fundamentais. A arquitetura do modelo consiste nos seguintes componentes:

1. Backbone: Responsável pela extração de características, o backbone no YOLOv10 usa uma versão aprimorada do CSPNet (Cross Stage Partial Network) para melhorar o fluxo de gradiente e reduzir a redundância computacional.
2. Neck: O neck foi concebido para agregar características de diferentes escalas e passá-las para a head. Inclui camadas PAN (Path Aggregation Network) para uma fusão eficaz de características multiescala.
3. One-to-Many Head: Gera múltiplas previsões por objeto durante o treino para fornecer sinais de supervisão ricos e melhorar a precisão da aprendizagem.
4. One-to-One Head: Gera uma única melhor previsão por objeto durante a inferência para eliminar a necessidade de NMS, reduzindo assim a latência e melhorando a eficiência.

Principais recursos#

1. Treinamento Sem NMS: Utiliza atribuições duplas consistentes para eliminar a necessidade de NMS, reduzindo a latência de inferência.
2. Design Holístico de Modelo: Otimização abrangente de vários componentes, tanto de eficiência quanto de precisão, incluindo heads de classificação leves, downsampling desacoplado espaço-canal e design de bloco guiado por ranking.
3. Capacidades Aprimoradas do Modelo: Incorpora convoluções de grande núcleo e módulos de autoatenção parcial para melhorar o desempenho sem custo computacional significativo.

Variantes do Modelo#

O YOLOv10 está disponível em várias escalas de modelo para atender às diferentes necessidades de aplicação:

• YOLOv10n: Versão Nano para ambientes extremamente limitados em recursos.
• YOLOv10s: Versão Small que equilibra velocidade e precisão.
• YOLOv10m: Versão Medium para uso de propósito geral.
• YOLOv10b: Versão equilibrada com maior largura para maior precisão.
• YOLOv10l: Versão Large para maior precisão à custa de maiores recursos computacionais.
• YOLOv10x: Versão Extra-large para máxima precisão e desempenho.

Desempenho#

O YOLOv10 supera versões anteriores do YOLO e outros modelos de última geração em termos de precisão e eficiência. Por exemplo, o YOLOv10s é 1,8x mais rápido que o RT-DETR-R18 com AP semelhante no conjunto de dados COCO, e o YOLOv10b tem 46% menos latência e 25% menos parâmetros do que o YOLOv9-C com o mesmo desempenho.

Metodologia#

Atribuições Duplas Consistentes para Treino Sem NMS#

O YOLOv10 emprega atribuições de rótulo duplas, combinando estratégias de um para muitos e de um para um durante o treinamento para garantir supervisão rica e implantação eficiente de ponta a ponta. A métrica de correspondência consistente alinha a supervisão entre ambas as estratégias, aprimorando a qualidade das previsões durante a inferência.

Design de Modelo Impulsionado por Eficiência e Precisão Holísticas#

Melhorias de Eficiência#

1. Head de Classificação Leve: Reduz a carga computacional da head de classificação usando convoluções separáveis por profundidade.
2. Downsampling Desacoplado Espaço-Canal: Desacopla a redução espacial e a modulação de canal para minimizar a perda de informação e o custo computacional.
3. Design de Bloco Guiado por Ranking: Adapta o design do bloco com base na redundância intrínseca do estágio, garantindo a utilização ideal dos parâmetros.

Melhorias de Precisão#

1. Convolução de Grande Núcleo: Amplia o campo receptivo para aprimorar a capacidade de extração de características.
2. Autoatenção Parcial (PSA): Incorpora módulos de autoatenção para melhorar a aprendizagem de representação global com sobrecarga mínima.

Experiências e Resultados#

O YOLOv10 foi extensivamente testado em benchmarks padrão como o COCO, demonstrando desempenho e eficiência superiores. O modelo atinge resultados de última geração em diferentes variantes, exibindo melhorias significativas em latência e precisão em comparação com versões anteriores e outros detectores contemporâneos.

Comparações#

Comparado com outros detetores de última geração:

• YOLOv10s / x são 1,8× / 1,3× mais rápidos que o RT-DETR-R18 / R101 com precisão semelhante
• YOLOv10b tem 25% menos parâmetros e 46% menos latência que o YOLOv9-C com a mesma precisão
• YOLOv10l / x superam o YOLOv8l / x em 0,3 AP / 0,5 AP com 1,8× / 2,3× menos parâmetros

Os valores de parâmetros e FLOPs são para o modelo fundido após model.fuse(), que mescla as camadas Conv e BatchNorm e remove o cabeçote de detecção auxiliar de um para muitos. Os checkpoints pré-treinados retêm a arquitetura de treinamento completa e podem mostrar contagens mais altas.

Exemplos de uso#

Para prever novas imagens com o YOLOv10. Os modelos também podem ser treinados em GPUs na nuvem através da Plataforma Ultralytics:

from ultralytics import YOLO

# Load a pretrained YOLOv10n model
model = YOLO("yolov10n.pt")

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

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

Para treinar YOLOv10 em um conjunto de dados personalizado:

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)

Tarefas e modos suportados#

A série de modelos YOLOv10 oferece uma gama de modelos, cada um otimizado para Detecção de Objetos de alto desempenho. Esses modelos atendem a necessidades computacionais e requisitos de precisão variados, tornando-os versáteis para uma ampla gama de aplicações.

Exportando YOLOv10#

Devido às novas operações introduzidas com o YOLOv10, nem todos os formatos de exportação fornecidos pelo Ultralytics são atualmente suportados. A tabela a seguir descreve quais formatos foram convertidos com sucesso usando o Ultralytics para o YOLOv10. Sinta-se à vontade para abrir um pull request se puder fornecer uma alteração de contribuição para adicionar suporte de exportação de formatos adicionais para o YOLOv10.

Conclusão#

O YOLOv10 estabeleceu um novo padrão na detecção de objetos em tempo real em seu lançamento, abordando as deficiências das versões anteriores do YOLO e incorporando estratégias de design inovadoras. Sua abordagem sem NMS pioneirizou a detecção de objetos de ponta a ponta na família YOLO. Para o modelo Ultralytics mais recente com desempenho aprimorado e inferência sem NMS, veja o YOLO26.

Citações e Agradecimentos#

Gostaríamos de agradecer aos autores do YOLOv10 da Universidade de Tsinghua por sua extensa pesquisa e contribuições significativas para o framework Ultralytics:

@inproceedings{wang2024yolov10,
  title={YOLOv10: Real-Time End-to-End Object Detection},
  author={Wang, Ao and Chen, Hui and Liu, Lihao and Chen, Kai and Lin, Zijia and Han, Jungong and Ding, Guiguang},
  booktitle={Advances in Neural Information Processing Systems},
  doi = {10.52202/079017-3429},
  url = {https://proceedings.neurips.cc/paper_files/paper/2024/file/c34ddd05eb089991f06f3c5dc36836e0-Paper-Conference.pdf},
  volume={37},
  pages={107984--108011},
  year={2024}
}

Para implementação detalhada, inovações arquitetônicas e resultados experimentais, consulte o artigo de pesquisa e o repositório do GitHub do YOLOv10 pela equipe da Universidade de Tsinghua.

FAQ#

O que é o YOLOv10 e como ele difere das versões anteriores do YOLO?#

O YOLOv10, desenvolvido por pesquisadores da Universidade de Tsinghua, introduz várias inovações importantes para a detecção de objetos em tempo real. Ele elimina a necessidade de supressão de não-máximos (NMS) empregando atribuições duplas consistentes durante o treinamento e componentes de modelo otimizados para desempenho superior com sobrecarga computacional reduzida. Para mais detalhes sobre sua arquitetura e recursos principais, confira a seção Visão geral do YOLOv10.

Como posso começar a executar inferências usando o YOLOv10?#

Para uma inferência fácil, você pode usar a biblioteca Python Ultralytics YOLO ou a interface de linha de comando (CLI). Abaixo estão exemplos de previsão de novas imagens usando o YOLOv10:

from ultralytics import YOLO

# Load the pretrained YOLOv10n model
model = YOLO("yolov10n.pt")
results = model("image.jpg")
results[0].show()

Para mais exemplos de uso, visite nossa seção Exemplos de Uso.

Quais variantes de modelo o YOLOv10 oferece e quais são seus casos de uso?#

O YOLOv10 oferece várias variantes de modelo para atender a diferentes casos de uso:

• YOLOv10n: Adequado para ambientes extremamente limitados em recursos
• YOLOv10s: Equilibra velocidade e precisão
• YOLOv10m: Uso de propósito geral
• YOLOv10b: Maior precisão com largura aumentada
• YOLOv10l: Alta precisão ao custo de recursos computacionais
• YOLOv10x: Precisão e desempenho máximos

Cada variante é projetada para diferentes necessidades computacionais e requisitos de precisão, tornando-as versáteis para uma variedade de aplicações. Explore a seção Variantes do Modelo para mais informações.

Como a abordagem sem NMS no YOLOv10 melhora o desempenho?#

O YOLOv10 elimina a necessidade de supressão de não-máximos (NMS) durante a inferência empregando atribuições duplas consistentes para o treinamento. Essa abordagem reduz a latência de inferência e aprimora a eficiência de previsão. A arquitetura também inclui um cabeçote de um para um para inferência, garantindo que cada objeto receba uma única melhor previsão. Para uma explicação detalhada, consulte a seção Atribuições Duplas Consistentes para Treinamento Sem NMS.

Onde posso encontrar as opções de exportação para modelos YOLOv10?#

O YOLOv10 suporta vários formatos de exportação, incluindo TorchScript, ONNX, OpenVINO e TensorRT. No entanto, nem todos os formatos de exportação fornecidos pelo Ultralytics são atualmente suportados para o YOLOv10 devido às suas novas operações. Para detalhes sobre os formatos suportados e instruções sobre exportação, visite a seção Exportando o YOLOv10.

Quais são os benchmarks de desempenho para os modelos YOLOv10?#

O YOLOv10 supera versões anteriores do YOLO e outros modelos de última geração em precisão e eficiência. Por exemplo, o YOLOv10s é 1,8x mais rápido que o RT-DETR-R18 com um AP semelhante no conjunto de dados COCO. O YOLOv10b mostra 46% menos latência e 25% menos parâmetros do que o YOLOv9-C com o mesmo desempenho. Benchmarks detalhados podem ser encontrados na seção Comparações.