YOLOv10：实时端到端目标检测

YOLOv10 由清华大学的研究人员基于 Ultralytics Python 包构建，它引入了一种新的实时对象检测方法，解决了之前 YOLO 版本中存在的后处理和模型架构缺陷。通过消除非极大值抑制 (NMS) 并优化各种模型组件，YOLOv10 以显著降低的计算开销实现了最先进的性能。大量实验表明，它在多个模型规模上都具有卓越的精度-延迟权衡。

观看： 如何使用 Ultralytics 在 SKU-110k 数据集上训练 YOLOv10 | 零售数据集

概述

实时对象检测旨在以低延迟准确预测图像中的对象类别和位置。由于 YOLO 系列在性能和效率之间取得了平衡，因此一直处于这项研究的最前沿。然而，对 NMS 的依赖和架构效率低下阻碍了最佳性能。YOLOv10 通过引入一致的对偶分配来实现无 NMS 训练和整体效率-精度驱动的模型设计策略，从而解决了这些问题。

架构

YOLOv10 的架构建立在之前 YOLO 模型的优势之上，同时引入了多项关键创新。该模型架构包括以下组件：

1. Backbone: YOLOv10 中的 Backbone 负责特征提取，它使用了 CSPNet（Cross Stage Partial Network）的增强版本，以改善梯度流并减少计算冗余。
2. Neck：Neck 的设计目的是聚合来自不同尺度的特征，并将它们传递到 Head。它包括 PAN（路径聚合网络）层，用于有效的多尺度特征融合。
3. One-to-Many Head：在训练期间为每个对象生成多个预测，以提供丰富的监督信号并提高学习准确性。
4. One-to-One Head：在推理期间为每个对象生成单个最佳预测，从而无需 NMS，从而减少延迟并提高效率。

主要功能

1. 无NMS训练: 采用一致的对偶分配来消除对NMS的需求，从而减少推理延迟。
2. 整体模型设计：从效率和准确性的角度对各种组件进行全面优化，包括轻量级分类 Head、空间通道解耦下采样和秩引导块设计。
3. 增强的模型功能: 结合了大内核卷积和部分自注意力模块，以提高性能，而无需显着的计算成本。

模型变体

YOLOv10 具有多种模型规模，以满足不同的应用需求：

• YOLOv10n: 适用于资源极其受限环境的 Nano 版本。
• YOLOv10s: 平衡速度和精度的小型版本。
• YOLOv10m: 适用于通用用途的中型版本。
• YOLOv10b: 平衡版本，宽度增加，精度更高。
• YOLOv10l: 大型版本，精度更高，但会增加计算资源消耗。
• YOLOv10x: 超大型版本，可实现最高的精度和性能。

性能

YOLOv10 在准确性和效率方面优于以前的 YOLO 版本和其他最先进的模型。例如，在 COCO 数据集上，YOLOv10s 比 RT-DETR-R18 快 1.8 倍，具有相似的 AP，并且 YOLOv10b 比 YOLOv9-C 的延迟减少 46%，参数减少 25%，但性能相同。

方法

NMS-Free 训练的一致 Dual Assignments

YOLOv10 采用双重标签分配，在训练期间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。一致的匹配指标对齐了两种策略之间的监督，从而提高了推理期间预测的质量。

整体效率-准确性驱动的模型设计

效率提升

1. 轻量级分类 Head：通过使用深度可分离卷积来减少分类 Head 的计算开销。
2. 空间通道解耦下采样：解耦空间缩减和通道调制，以最大限度地减少信息丢失和计算成本。
3. 秩引导块设计：基于内在阶段冗余调整块设计，确保最佳参数利用率。

精度提升

1. 大卷积核：扩大感受野以增强特征提取能力。
2. Partial Self-Attention (PSA)：结合自注意力模块以提高全局表示学习能力，同时最大限度地减少开销。

实验与结果

YOLOv10 已经在 COCO 等标准基准上进行了广泛的测试，展示了卓越的性能和效率。该模型在不同的变体中实现了最先进的结果，与之前的版本和其他当代检测器相比，在延迟和准确性方面都显示出显著的改进。

对比

与其他最先进的检测器相比：

• 在相似的精度下，YOLOv10s / x 比 RT-DETR-R18 / R101 快 1.8 倍 / 1.3 倍
• 在相同精度下，YOLOv10b 的参数比 YOLOv9-C 少 25%，延迟降低 46%
• YOLOv10l / x 的性能优于 YOLOv8l / x，AP 分别高出 0.3 和 0.5，而参数分别减少了 1.8 倍和 2.3 倍

使用示例

使用 YOLOv10 预测新图像：

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

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)

# 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

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。这些模型满足不同的计算需求和精度要求，使其能够广泛应用于各种应用。

导出 YOLOv10

由于 YOLOv10 引入了新的操作，因此 Ultralytics 提供的并非所有导出格式目前都受支持。下表概述了哪些格式已使用 Ultralytics 成功转换为 YOLOv10。如果您能够提供贡献变更以添加对 YOLOv10 的其他格式的导出支持，请随时打开 pull request。

结论

YOLOv10 通过解决以前 YOLO 版本中的缺点并结合创新的设计策略，为实时目标检测树立了新标准。它能够以低计算成本提供高精度，使其成为包括制造业、零售业和自动驾驶汽车在内的各种实际应用的理想选择。

引用与致谢

我们要感谢清华大学的 YOLOv10 作者们，感谢他们对 Ultralytics 框架的广泛研究和重大贡献：

@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}
}

有关详细的实现、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 仓库。

常见问题

什么是 YOLOv10，它与之前的 YOLO 版本有何不同？

YOLOv10 由清华大学的研究人员开发，为实时对象检测引入了多项关键创新。它通过在训练期间采用一致的 dual assignments，并优化模型组件，从而在减少计算开销的同时获得卓越的性能，从而消除了对非极大值抑制 (NMS) 的需求。有关其架构和主要功能的更多详细信息，请查看YOLOv10 概述部分。

如何开始使用 YOLOv10 运行推理？

为了方便推理，您可以使用 Ultralytics YOLO Python 库或命令行界面（CLI）。以下是使用 YOLOv10 预测新图像的示例：

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

有关更多使用示例，请访问我们的使用示例部分。

YOLOv10 提供了哪些模型变体，它们的使用场景是什么？

YOLOv10 提供了多种模型变体，以满足不同的使用场景：

• YOLOv10n: 适用于资源极其受限的环境
• YOLOv10s: 平衡速度和精度
• YOLOv10m: 通用
• YOLOv10b: 宽度增加，精度更高
• YOLOv10l: 高精度，但会消耗计算资源
• YOLOv10x: 最高的精度和性能

每个变体都针对不同的计算需求和精度要求而设计，使其能够适用于各种应用。请浏览模型变体部分以获取更多信息。

YOLOv10 中无 NMS 方法如何提高性能？

YOLOv10 通过采用一致的 dual assignments 进行训练，从而消除了推理期间对非极大值抑制 (NMS) 的需求。这种方法减少了推理延迟并提高了预测效率。该架构还包括一个用于推理的一对一 head，确保每个对象获得一个最佳预测。有关详细说明，请参阅用于无 NMS 训练的一致 Dual Assignments部分。

在哪里可以找到 YOLOv10 模型的导出选项？

YOLOv10 支持多种导出格式，包括 TorchScript、ONNX、OpenVINO 和 TensorRT。但是，由于 YOLOv10 的新操作，并非 Ultralytics 提供的所有导出格式目前都受支持。有关支持的格式和导出说明的详细信息，请访问导出 YOLOv10部分。

YOLOv10 模型的性能基准是什么？

YOLOv10 在准确性和效率方面均优于以前的 YOLO 版本和其他最先进的模型。例如，YOLOv10s 比 RT-DETR-R18 快 1.8 倍，并且在 COCO 数据集上具有相似的 AP。YOLOv10b 比 YOLOv9-C 的延迟减少 46%，参数减少 25%，并且具有相同的性能。详细的基准测试可以在比较部分找到。

📅 创建于 1 年前 ✏️ 更新于 5 个月前

评论