前言

v9還沒(méi)整明白，v10又來(lái)了。而且還是打敗天下無(wú)敵手的存在，連最近很火的RT-DETR都被打敗了。那么，笑傲目標(biāo)檢測(cè)之林的v10又能持續(xù)多久呢？

一、YOLO10檢測(cè)模型

近年來(lái)，YOLO在實(shí)時(shí)目標(biāo)檢測(cè)領(lǐng)域中因其在計(jì)算成本和檢測(cè)性能之間的有效平衡而成為主要范式。

研究人員在YOLO的架構(gòu)設(shè)計(jì)、優(yōu)化目標(biāo)、數(shù)據(jù)增強(qiáng)策略等方面進(jìn)行了探索，并取得了顯著進(jìn)展。然而，依賴非極大值抑制（NMS）進(jìn)行后處理限制了YOLO的端到端部署，并對(duì)推理延遲產(chǎn)生了不利影響。此外，YOLO中各種組件的設(shè)計(jì)缺乏全面深入的檢驗(yàn)，導(dǎo)致明顯的計(jì)算冗余，限制了模型的能力。這導(dǎo)致了次優(yōu)的效率，以及相當(dāng)大的性能提升潛力。

在這項(xiàng)工作中，原作者旨在從后處理和模型架構(gòu)兩個(gè)方面進(jìn)一步推進(jìn)YOLO的性能-效率邊界。為此，首先提出了YOLO的無(wú)NMS訓(xùn)練的一致雙重分配策略，同時(shí)帶來(lái)了競(jìng)爭(zhēng)力的性能和低推理延遲。此外，引入了面向效率-準(zhǔn)確性驅(qū)動(dòng)的YOLO模型設(shè)計(jì)策略，從效率和準(zhǔn)確性角度全面優(yōu)化YOLO的各個(gè)組件，大大減少了計(jì)算開(kāi)銷并增強(qiáng)了能力。

作者的努力成果是一代新的YOLO系列用于實(shí)時(shí)端到端目標(biāo)檢測(cè)，被稱為YOLOv10。廣泛的實(shí)驗(yàn)表明，YOLOv10在各種模型規(guī)模上實(shí)現(xiàn)了最先進(jìn)的性能和效率。

在延遲性和精度上的性能對(duì)比

模型尺寸和精度上的對(duì)比

二、YOLO安裝過(guò)程

硬件環(huán)境：顯卡NVIDIA GeForce RTX 4090；
軟件環(huán)境：Linux 20.04，Conda

1.新建conda的環(huán)境 yolo10

在conda創(chuàng)建一個(gè)名為yolov10的新環(huán)境，并在其中安裝python3.9,這個(gè)環(huán)境是獨(dú)立的不會(huì)影響系統(tǒng)中的其他環(huán)境:

conda create -n yolov10 python=3.9

然后再激活yolov10的Conda環(huán)境：

conda activate yolov10

通過(guò)pip命令安裝requirements.txt中的python包及其版本號(hào)：

pip install -r requirements.txt

然后設(shè)置開(kāi)發(fā)者模式：

pip install -e .

安裝依賴包

然后安裝預(yù)訓(xùn)練的模型文件：

wget https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10s.pt

最后在執(zhí)行運(yùn)行代碼：

python app.py

最后就進(jìn)入了操作界面：

測(cè)試

先輸入要處理圖片：

模型：使用上面下載的預(yù)訓(xùn)練模型yolov10s.pt
處理完的圖片：

從上面圖片可以精確看到已經(jīng)識(shí)別出人和沙發(fā)，因此可以判斷出來(lái)模型可以正常使用。

總結(jié)

通過(guò)這次安裝到最后的功能實(shí)現(xiàn)，可以明顯感覺(jué)到y(tǒng)olo10簡(jiǎn)單的安裝步驟，以及它強(qiáng)大的功能。