YOLOv10: Сквозное обнаружение объектов в реальном времени

YOLOv10, разработанный на основе Ultralytics пакета Python исследователями из Университета Цинхуа, представляет новый подход к обнаружению объектов в реальном времени, устраняя недостатки постобработки и архитектуры моделей, обнаруженные в предыдущих версиях YOLO. Благодаря устранению немаксимального подавления (NMS) и оптимизации различных компонентов модели, YOLOv10 достигает современной производительности со значительно сниженными вычислительными затратами. Обширные эксперименты демонстрируют превосходный компромисс между точностью и задержкой для различных масштабов моделей.

Смотреть: Как обучить YOLOv10 на наборе данных SKU-110k с использованием Ultralytics | Набор данных розничной торговли

Обзор

Обнаружение объектов в реальном времени направлено на точное прогнозирование категорий объектов и их местоположения на изображениях с низкой задержкой. Серия YOLO находится в авангарде этих исследований благодаря балансу между производительностью и эффективностью. Однако зависимость от NMS и архитектурные неэффективности препятствуют достижению оптимальной производительности. YOLOv10 решает эти проблемы, внедряя согласованные двойные назначения для обучения без NMS и целостную стратегию проектирования модели, основанную на эффективности и точности.

Архитектура

Архитектура YOLOv10 опирается на сильные стороны предыдущих моделей YOLO, представляя при этом несколько ключевых нововведений. Архитектура модели состоит из следующих компонентов:

1. Backbone: Backbone в YOLOv10, отвечающий за извлечение признаков, использует улучшенную версию CSPNet (Cross Stage Partial Network) для улучшения потока градиентов и уменьшения вычислительной избыточности.
2. Neck: Neck предназначен для агрегирования признаков из разных масштабов и передачи их в head. Он включает в себя слои PAN (Path Aggregation Network) для эффективного многомасштабного слияния признаков.
3. One-to-Many Head: Генерирует несколько прогнозов для каждого объекта во время обучения, чтобы обеспечить богатые контролирующие сигналы и повысить точность обучения.
4. One-to-One Head: Генерирует один наилучший прогноз для каждого объекта во время вывода, чтобы устранить необходимость в NMS, тем самым снижая задержку и повышая эффективность.

Основные характеристики

1. Обучение без NMS: Использует согласованные двойные назначения, чтобы устранить необходимость в NMS, снижая задержку при выводе.
2. Holistic Model Design: Комплексная оптимизация различных компонентов с точки зрения эффективности и точности, включая облегченные классификационные head, пространственно-канальную развязанную дискретизацию и блочный дизайн, управляемый рангом.
3. Расширенные возможности модели: Включает крупноядерные свертки и модули частичного самовнимания для повышения производительности без значительных вычислительных затрат.

Варианты моделей

YOLOv10 поставляется в различных масштабах моделей для удовлетворения различных потребностей приложений:

• YOLOv10n: Nano версия для сред с крайне ограниченными ресурсами.
• YOLOv10s: Малая версия, обеспечивающая баланс скорости и точности.
• YOLOv10m: Средняя версия для общего назначения.
• YOLOv10b: Сбалансированная версия с увеличенной шириной для повышения точности.
• YOLOv10l: Большая версия для повышения точности за счет увеличения вычислительных ресурсов.
• YOLOv10x: Сверхбольшая версия для максимальной точности и производительности.

Производительность

YOLOv10 превосходит предыдущие версии YOLO и другие современные модели как по точности, так и по эффективности. Например, YOLOv10s в 1.8 раза быстрее, чем RT-DETR-R18 с аналогичным AP на наборе данных COCO, а YOLOv10b имеет на 46% меньшую задержку и на 25% меньше параметров, чем YOLOv9-C при той же производительности.

Методология

Согласованные двойные назначения для обучения без NMS

YOLOv10 использует двойное назначение меток, сочетая стратегии «один ко многим» и «один к одному» во время обучения, чтобы обеспечить насыщенный контроль и эффективное сквозное развертывание. Последовательная метрика соответствия выравнивает контроль между обеими стратегиями, повышая качество прогнозов во время инференса.

Комплексная эффективность - Модельный дизайн, ориентированный на точность

Повышение эффективности

1. Облегченная классификационная голова: Снижает вычислительные издержки классификационной головы за счет использования depth-wise separable convolutions.
2. Пространственно-канальная развязанная понижающая дискретизация: Развязывает пространственное уменьшение и канальную модуляцию, чтобы минимизировать потерю информации и вычислительные затраты.
3. Блочный дизайн, управляемый рангом: Адаптирует блочный дизайн на основе внутренней избыточности этапа, обеспечивая оптимальное использование параметров.

Повышение точности

1. Свертка с большим ядром: Увеличивает поле восприятия для улучшения возможности извлечения признаков.
2. Частичное само-внимание (PSA): Включает модули само-внимания для улучшения глобального обучения представлений с минимальными накладными расходами.

Эксперименты и результаты

YOLOv10 был тщательно протестирован на стандартных бенчмарках, таких как COCO, демонстрируя превосходную производительность и эффективность. Модель достигает самых современных результатов в различных вариантах, демонстрируя значительные улучшения в задержке и точности по сравнению с предыдущими версиями и другими современными детекторами.

Сравнения

По сравнению с другими современными детекторами:

• YOLOv10s / x в 1,8× / 1,3× быстрее, чем RT-DETR-R18 / R101 с аналогичной точностью
• YOLOv10b имеет на 25% меньше параметров и на 46% меньшую задержку, чем YOLOv9-C при той же точности
• YOLOv10l / x превосходят YOLOv8l / x на 0,3 AP / 0,5 AP с 1,8× / 2,3× меньшим количеством параметров

Примеры использования

Для предсказания новых изображений с использованием YOLOv10:

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

Для обучения YOLOv10 на пользовательском наборе данных:

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

Поддерживаемые задачи и режимы

Серия моделей YOLOv10 предлагает ряд моделей, каждая из которых оптимизирована для высокопроизводительного обнаружения объектов. Эти модели удовлетворяют различные вычислительные потребности и требования к точности, что делает их универсальными для широкого спектра приложений.

Экспорт YOLOv10

В связи с новыми операциями, представленными в YOLOv10, не все форматы экспорта, предоставляемые Ultralytics, в настоящее время поддерживаются. В следующей таблице указано, какие форматы были успешно преобразованы с использованием Ultralytics для YOLOv10. Вы можете открыть запрос на внесение изменений, если у вас есть возможность предоставить изменения для добавления поддержки экспорта дополнительных форматов для YOLOv10.

Заключение

YOLOv10 устанавливает новый стандарт в обнаружении объектов в реальном времени, устраняя недостатки предыдущих версий YOLO и внедряя инновационные стратегии проектирования. Его способность обеспечивать высокую точность при низких вычислительных затратах делает его идеальным выбором для широкого спектра реальных приложений, включая производство, розничную торговлю и автономные транспортные средства.

Цитирование и благодарности

Мы хотели бы выразить признательность авторам YOLOv10 из Университета Цинхуа за их обширные исследования и значительный вклад в структуру Ultralytics:

@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}
}

Для получения подробной информации о реализации, архитектурных инновациях и экспериментальных результатах, пожалуйста, обратитесь к научной статье YOLOv10 и репозиторию GitHub команды Университета Цинхуа.

Часто задаваемые вопросы

Что такое YOLOv10 и чем он отличается от предыдущих версий YOLO?

YOLOv10, разработанный исследователями из Университета Цинхуа, представляет несколько ключевых инноваций в обнаружении объектов в реальном времени. Он устраняет необходимость в немаксимальном подавлении (NMS) за счет использования согласованных двойных назначений во время обучения и оптимизированных компонентов модели для превосходной производительности со сниженными вычислительными затратами. Для получения более подробной информации о его архитектуре и ключевых особенностях, ознакомьтесь с разделом обзора YOLOv10.

Как начать работу с выводом результатов, используя YOLOv10?

Для простого вывода вы можете использовать библиотеку Ultralytics YOLO на языке python или интерфейс командной строки (CLI). Ниже приведены примеры прогнозирования новых изображений с использованием YOLOv10:

from ultralytics import YOLO

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

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

Для получения дополнительных примеров использования посетите наш раздел Примеры использования.

Какие варианты моделей предлагает YOLOv10 и каковы их варианты использования?

YOLOv10 предлагает несколько вариантов моделей для различных случаев использования:

• YOLOv10n: Подходит для сред с крайне ограниченными ресурсами
• YOLOv10s: Баланс скорости и точности
• YOLOv10m: Общее назначение
• YOLOv10b: Более высокая точность с увеличенной шириной
• YOLOv10l: Высокая точность за счет вычислительных ресурсов
• YOLOv10x: Максимальная точность и производительность

Каждый вариант разработан для различных вычислительных потребностей и требований к точности, что делает их универсальными для различных приложений. Изучите раздел Варианты моделей для получения дополнительной информации.

Как подход без NMS в YOLOv10 улучшает производительность?

YOLOv10 устраняет необходимость в немаксимальном подавлении (NMS) во время вывода, используя согласованные двойные назначения для обучения. Этот подход снижает задержку вывода и повышает эффективность прогнозирования. Архитектура также включает в себя структуру «один к одному» для вывода, гарантируя, что каждый объект получит один наилучший прогноз. Для получения подробного объяснения см. раздел Согласованные двойные назначения для обучения без NMS.

Где я могу найти параметры экспорта для моделей YOLOv10?

YOLOv10 поддерживает несколько форматов экспорта, включая TorchScript, ONNX, OpenVINO и TensorRT. Однако не все форматы экспорта, предоставляемые Ultralytics, в настоящее время поддерживаются для YOLOv10 из-за его новых операций. Для получения подробной информации о поддерживаемых форматах и инструкциях по экспорту посетите раздел Экспорт YOLOv10.

Каковы показатели производительности для моделей YOLOv10?

YOLOv10 превосходит предыдущие версии YOLO и другие современные модели как по точности, так и по эффективности. Например, YOLOv10s в 1.8 раза быстрее, чем RT-DETR-R18, с аналогичным AP на наборе данных COCO. YOLOv10b демонстрирует на 46% меньшую задержку и на 25% меньше параметров, чем YOLOv9-C, при той же производительности. Подробные сравнительные тесты можно найти в разделе Comparisons.

📅 Создано 1 год назад ✏️ Обновлено 5 месяцев назад

Комментарии