YOLOv10：实时端到端目标检测#

YOLOv10 于 2024 年 5 月发布，由清华大学的研究人员基于 Ultralytics Python 软件包构建，引入了一种全新的实时目标检测方法，解决了以往 YOLO 版本在后处理和模型架构方面存在的不足。通过移除非极大值抑制（NMS）并优化各种模型组件，YOLOv10 在发布时以显著降低的计算开销实现了出色的性能。其无 NMS 端到端设计开创了一种方法，并在YOLO26中得到进一步发展。

概述#

实时目标检测旨在以低延迟准确预测图像中的目标类别和位置。YOLO 系列凭借性能与效率之间的平衡，一直处于该研究领域的前沿。然而，对 NMS 的依赖以及架构效率低下限制了性能的进一步提升。YOLOv10 通过为无 NMS 训练引入一致性双重分配，以及采用以效率和准确率为导向的整体模型设计策略，解决了这些问题。

架构#

YOLOv10 的架构在继承以往 YOLO 模型优势的同时，还引入了多项关键创新。模型架构由以下组件组成：

1. 骨干网络：骨干网络负责特征提取，YOLOv10 使用增强版 CSPNet（跨阶段部分网络）来改善梯度流并减少计算冗余。
2. 颈部网络：颈部网络用于聚合不同尺度的特征，并将其传递给检测头。其中包括 PAN（路径聚合网络）层，可实现有效的多尺度特征融合。
3. 一对多检测头：在训练期间为每个目标生成多个预测，以提供丰富的监督信号并提高学习准确率。
4. 一对一检测头：在推理期间为每个目标生成单个最佳预测，从而无需使用 NMS，降低延迟并提高效率。

主要特性#

1. 无 NMS 训练：利用一致性双重分配来消除对 NMS 的需求，降低推理延迟。
2. 整体模型设计：从效率和准确率两个角度对各个组件进行全面优化，包括轻量级分类头、空间与通道解耦下采样以及秩引导的块设计。
3. 增强的模型能力：引入大卷积核卷积和部分自注意力模块，在不显著增加计算成本的情况下提升性能。

模型变体#

YOLOv10 提供多种模型规模，以满足不同的应用需求：

• YOLOv10n：Nano 版本，适用于资源极其受限的环境。
• YOLOv10s：Small 版本，在速度和准确率之间取得平衡。
• YOLOv10m：Medium 版本，适用于通用场景。
• YOLOv10b：平衡版本，增加了网络宽度以获得更高准确率。
• YOLOv10l：Large 版本，以增加计算资源为代价获得更高准确率。
• YOLOv10x：Extra-large 版本，提供最高的准确率和性能。

性能#

YOLOv10 在准确率和效率方面均优于以往的 YOLO 版本及其他最先进模型。例如，在 COCO 数据集上，YOLOv10s 的速度是 RT-DETR-R18 的 1.8 倍，同时 AP 相近；YOLOv10b 在性能相同的情况下，比 YOLOv9-C 的延迟低 46%，参数量少 25%。

方法#

用于无 NMS 训练的一致性双重分配#

YOLOv10 采用双重标签分配策略，在训练过程中结合了一对多和一对一策略，以确保丰富的监督和高效的端到端部署。Ultralytics 的预测和验证默认使用带 NMS 的一对多预测头；设置 nms=False 即可选择无 NMS 预测头。一致的匹配指标使两种策略的监督保持一致，从而在推理过程中提高预测质量。

以整体效率-准确率为导向的模型设计#

效率提升#

1. 轻量级分类头：通过使用深度可分离卷积，降低分类头的计算开销。
2. 空间与通道解耦下采样：将空间缩减与通道调制解耦，以最大程度减少信息丢失和计算成本。
3. 排名引导的模块设计：根据固有的阶段冗余调整模块设计，确保参数得到最佳利用。

准确率提升#

1. 大卷积核卷积：扩大感受野，增强特征提取能力。
2. 部分自注意力（PSA）：引入自注意力模块，以极低的额外开销改善全局表示学习。

实验与结果#

YOLOv10 已在 COCO 等标准基准上进行了广泛测试，展现出卓越的性能和效率。该模型的不同变体均取得了最先进的结果，相较于以往版本和其他当代检测器，在延迟和准确率方面均有显著提升。

对比#

与其他最先进的检测器相比：

• YOLOv10s / x 的速度分别比 RT-DETR-R18 / R101 快 1.8× / 1.3×，同时准确率相近
• 在准确率相同的情况下，YOLOv10b 比 YOLOv9-C 的参数量少 25%，延迟低 46%
• YOLOv10l / x 的性能比 YOLOv8l / x 高出 0.3 AP / 0.5 AP，参数量却少 1.8× / 2.3×

参数量和 FLOPs 数值适用于经过 model.fuse() 处理后的融合模型，该过程会合并 Conv 和 BatchNorm 层并移除辅助的一对多检测头。预训练检查点保留完整的训练架构，因此显示的数值可能更高。

使用示例#

使用 YOLOv10 预测新图像。你也可以通过 Ultralytics Platform 在云端 GPU 上训练模型：

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()

在自定义数据集上训练 YOLOv10：

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)

支持的任务和模式#

YOLOv10 模型系列提供了一系列模型，每个模型都针对高性能目标检测进行了优化。这些模型可满足不同的计算需求和准确率要求，因此适用于广泛的应用场景。

导出 YOLOv10#

由于 YOLOv10 引入了新的操作，Ultralytics 提供的导出格式目前并非全部受支持。下表列出了使用 Ultralytics 为 YOLOv10 成功转换的格式。如果你能够通过提交贡献变更来增加对 YOLOv10 其他导出格式的支持，欢迎提交 pull request。

结论#

YOLOv10 在发布时通过解决之前 YOLO 版本的不足并融入创新的设计策略，为实时目标检测树立了新标准。其无需 NMS 的方法开创了 YOLO 系列中的端到端目标检测。有关性能改进且支持无需 NMS 推理的最新 Ultralytics 模型，请参阅 YOLO26。

引用和致谢#

我们谨向 清华大学 的 YOLOv10 作者致谢，感谢他们开展的大量研究以及对 Ultralytics 框架作出的重要贡献：

@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}
}

有关详细实现、架构创新和实验结果，请参阅清华大学团队发布的 YOLOv10 研究论文 和 GitHub 代码库。

常见问题#