YOLOv10：及时端到端目标检测

择要

https://arxiv.org/pdf/2405.14458
比年来，YOLO系列模子因其在盘算本钱与检测性能之间的有效均衡，在及时目标检测范畴占据了主导职位。研究职员在YOLO的架构筹划、优化目标、数据加强战略等方面举行了探索，并取得了明显盼望。然而，YOLO在后处理处罚阶段对非极大值克制（NMS）的依靠拦阻了其端到端的摆设，并对推理延长产生了倒霉影响。别的，YOLO中各组件的筹划缺乏全面和彻底的检察，导致显着的盘算冗余，限定了模子的性能。这导致了次优的服从，并存在相称大的性能提升空间。
在这项工作中，我们的目标是同时从后处理处罚和模子架构两个方面进一步推动YOLO的性能与服从的边界。为此，我们起首提出了针对YOLO的无NMS训练的划一性双重分配方法，该方法可以大概同时实现具有竞争力的性能和较低的推理延长。别的，我们引入了针对YOLO的团体服从-精度驱动模子筹划战略。我们从服从和精度两个角度对YOLO的各个组件举行了全面优化，这极大地镌汰了盘算开销并加强了模子的本事。我们的积极结果是一个用于及时端到端目标检测的新一代YOLO系列模子，称为YOLOv10。广泛的实验表明，YOLOv10在各种模子规模下都到达了开始进的性能和服从。比方，在COCO数据集上，我们的YOLOv10-S在类似匀称精度（AP）下比RT-DETR-R18快1.8倍，同时参数和浮点运算次数（FLOPs）分别镌汰了2.8倍。与YOLOv9-C相比，YOLOv10-B在类似性能下延长镌汰了46%，参数镌汰了25%。代码链接：https://github.com/THU-MIG/yolov10。
1、弁言

及时目标检测不绝是盘算机视觉范畴的研究热门，其目标是在低延长下

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金