• YOLOv10 führt konsistente doppelte Zuweisung für ein NMS-freies Training ein und erreicht damit zugleich wettbewerbsfähige Leistung und geringe Inferenzlatenz.
• Es präsentiert eine umfassende, auf Effizienz und Genauigkeit basierende Modell-Design-Strategie für YOLO und optimiert verschiedene Komponenten ganzheitlich sowohl aus Effizienz- als auch aus Genauigkeitsperspektive.
• YOLOv10 übertrifft modernste Verfahren bei verschiedenen Modellgrößen sowohl in Bezug auf Leistung als auch auf Effizienz.
• Beispielsweise ist YOLOv10-S auf COCO 1,8-mal schneller als RT-DETR-R18 mit ähnlicher AP, verwendet aber 2,8-mal weniger Parameter und FLOPs. Im Vergleich zu YOLOv9-C reduziert YOLOv10-B bei gleichbleibendem Leistungsniveau die Latenz um 46 % und die Anzahl der Parameter um 25 %.
3 Kommentare
Ich glaube, ungefähr zu der Zeit, als ich meinen Bachelor abgeschlossen habe, kam YOLOv3 heraus – die Zeit vergeht wirklich schnell..
https://github.com/THU-MIG/yolov10
Vor ein paar Monaten kam YOLOv9 heraus, und kurz darauf ist schon v10 da.. haha