YOLOv10，由清华大学的研究人员基于 Ultralytics Python 包构建，引入了一种全新的实时目标检测方法，该方法解决了以往 YOLO 版本中后处理和模型架构方面的不足。通过消除非极大值抑制（NMS）并优化各种模型组件，YOLOv10 在显著降低计算开销的同时，达到了最先进的性能水平。广泛的实验证明了其在多个模型规模下，在准确性与延迟之间的卓越权衡能力。

 一、概述

实时目标检测旨在以低延迟准确预测图像中的物体类别和位置。YOLO 系列因其性能与效率的平衡而一直处于该研究领域的前沿。然而，对 NMS（非极大值抑制）的依赖以及架构上的低效性阻碍了其达到最佳性能。YOLOv10 通过引入针对无 NMS 训练的一致双重分配策略以及全面的效率-精度驱动模型设计策略，解决了这些问题。

二、架构

YOLOv10 的架构在继承以往 YOLO 模型优势的基础上，引入了多项关键创新。模型架构由以下组件构成：

• 主干网络（Backbone）：负责特征提取，YOLOv10 采用增强的 CSPNet（跨阶段部分网络）版本，以改善梯度流动并减少计算冗余。
• 颈部（Neck）：设计用于聚合不同尺度的特征并将其传递给头部。它包括 PAN（路径聚合网络）层，以实现有效的多尺度特征融合。
• 一对多头部（One-to-Many Head）：在训练过程中为每个物体生成多个预测，以提供丰富的监督信号并提高学习准确性。
• 一对一头部（One-to-One Head）：在推理过程中为每个物体生成单个最佳预测，从而消除对NMS的需求，减少延迟并提高效率。

三、关键特性

• 无 NMS 训练：利用一致双重分配策略消除对 NMS 的需求，降低推理延迟。
• 整体模型设计：从效率和精度两个角度对各个组件进行全面优化，包括轻量级分类头部、空间-通道解耦下采样以及基于排名的块设计。
• 增强的模型能力：融入大核卷积和部分自注意力模块，以不显著增加计算成本的方式提升性能。

四、模型变体

YOLOv10提供多种模型规模，以满足不同的应用需求：

• YOLOv10-N：纳米版，专为资源极度受限的环境设计。
• YOLOv10-S：小型版，在速度和准确性之间取得平衡。
• YOLOv10-M：中型版，适用于通用用途。
• YOLOv10-B：平衡版，通过增加宽度来提高准确性。
• YOLOv10-L：大型版，以增加计算资源为代价，换取更高的准确性。
• YOLOv10-X：超大型版，追求最高准确度和性能。

五、性能

YOLOv10 在准确性和效率方面均超越了以往的 YOLO 版本以及其他最先进的模型。例如，在COCO 数据集上，YOLOv10-S 在达到与 RT-DETR-R18 相似平均精度（AP）的同时，速度是其 1.8 倍；而 YOLOv10-B 在保持与 YOLOv9-C 相同性能的情况下，延迟降低了 46%，参数减少了 25%。

Model	Input Size	APval	FLOPs (G)	Latency (ms)
YOLOv10-N	640	38.5	6.7	1.84
YOLOv10-S	640	46.3	21.6	2.49
YOLOv10-M	640	51.1	59.1	4.74
YOLOv10-B	640	52.5	92.0	5.74
YOLOv10-L	640	53.2	120.3	7.28
YOLOv10-X	640	54.4	160.4	10.70

延迟是在 T4 GPU 上使用 TensorRT FP16 测量的。

1. 实验与结果

YOLOv10 已在 COCO 等标准基准测试集上进行了广泛测试，展示了卓越的性能和效率。该模型在不同变体上均取得了最先进的成果，与以往版本和其他当代检测器相比，在延迟和准确性方面均实现了显著提升。

2.对比

3.与其他最先进的检测器相比：

• YOLOv10-S / X 在相似精度下，分别比 RT-DETR-R18 / R101 快 1.8 倍 / 1.3 倍。
• YOLOv10-B 在相同精度下，比 YOLOv9-C 的参数少 25%，延迟低 46%。
• YOLOv10-L / X 在参数比 YOLOv8-L / X 少 1.8 倍 / 2.3 倍的情况下，平均精度（AP）高出0.3 / 0.5。

Model	Params (M)	FLOPs (G)	mAPval 50-95	Latency (ms)	Latency-forward (ms)
YOLOv6-3.0-N	4.7	11.4	37.0	2.69	1.76
Gold-YOLO-N	5.6	12.1	39.6	2.92	1.82
YOLOv8-N	3.2	8.7	37.3	6.16	1.77
YOLOv9t	2.0	7.7	38.3
YOLOv10-N	2.3	6.7	39.5	1.84	1.79
YOLOv6-3.0-S	18.5	45.3	44.3	3.42	2.35
Gold-YOLO-S	21.5	46.0	45.4	3.82	2.73
YOLOv8-S	11.2	28.6	44.9	7.07	2.33
YOLOv9s	7.2	26.7	46.8
YOLOv10-S	7.2	21.6	46.8	2.49	2.39
RT-DETR-R18	20.0	60.0	46.5	4.58	4.49
YOLOv6-3.0-M	34.9	85.8	49.1	5.63	4.56
Gold-YOLO-M	41.3	87.5	49.8	6.38	5.45
YOLOv8-M	25.9	78.9	50.6	9.50	5.09
YOLOv9m	20.1	76.8	51.4
YOLOv10-M	15.4	59.1	51.3	4.74	4.63
YOLOv6-3.0-L	59.6	150.7	51.8	9.02	7.90
Gold-YOLO-L	75.1	151.7	51.8	10.65	9.78
YOLOv8-L	43.7	165.2	52.9	12.39	8.06
RT-DETR-R50	42.0	136.0	53.1	9.20	9.07
YOLOv9c	25.5	102.8	53.0
YOLOv10-L	24.4	120.3	53.4	7.28	7.21
YOLOv8-X	68.2	257.8	53.9	16.86	12.83
RT-DETR-R101	76.0	259.0	54.3	13.71	13.58
YOLOv9e	58.1	192.5	55.6
YOLOv10-X	29.5	160.4	54.4	10.70	10.60

六、使用示例

1.使用 YOLOv10 预测新图像：

• 命令行：

# 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

• Python 编程：

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()

2.在自定义数据集上训练 YOLOv10：

• 命令行：

        # 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

• Python 编程：

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)

七、结论

YOLOv10 通过解决之前 YOLO 版本的不足并融入创新的设计策略，在实时目标检测领域树立了新的标准。它以低计算成本实现高准确度的能力，使其成为众多实际应用场景中的理想选择。

                                                                                 老徐，2024/9/21