ヨロフ10
Update checkpoints with other attributes.
YOLOv10の公式 PyTorch 実装。 NeurIPS 2024。
レイテンシー精度 (左) とサイズ精度 (右) のトレードオフに関する他社との比較。
YOLOv10: リアルタイムのエンドツーエンドのオブジェクト検出。
Ao Wang、Hui Chen、Lihao Liu、Kai Chen、Zijia Lin、Jungong Han、Guiguang Ding
v10Detect内の不要なcv2およびcv3操作が実行されるため、YOLOv10 の速度に偏りが生じます。ココ
| モデル | テストサイズ | #Params | フロップス | AP値 | レイテンシ |
|---|---|---|---|---|---|
| YOLOv10-N | 640 | 2.3M | 6.7G | 38.5% | 1.84ミリ秒 |
| YOLOv10-S | 640 | 7.2M | 21.6G | 46.3% | 2.49ミリ秒 |
| YOLOv10-M | 640 | 15.4M | 59.1G | 51.1% | 4.74ミリ秒 |
| YOLOv10-B | 640 | 1910万 | 92.0G | 52.5% | 5.74ミリ秒 |
| YOLOv10-L | 640 | 24.4M | 120.3G | 53.2% | 7.28ミリ秒 |
| YOLOv10-X | 640 | 29.5M | 160.4G | 54.4% | 10.70ミリ秒 |
conda仮想環境を推奨します。
conda create -n yolov10 python=3.9
conda activate yolov10
pip install -r requirements.txt
pip install -e .
python app.py
# Please visit http://127.0.0.1:7860
yolov10n yolov10s yolov10m yolov10b yolov10l yolov10x
yolo val model=jameslahm/yolov10{n/s/m/b/l/x} data=coco.yaml batch=256
または
from ultralytics import YOLOv10
model = YOLOv10 . from_pretrained ( 'jameslahm/yolov10{n/s/m/b/l/x}' )
# or
# wget https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10{n/s/m/b/l/x}.pt
model = YOLOv10 ( 'yolov10{n/s/m/b/l/x}.pt' )
model . val ( data = 'coco.yaml' , batch = 256 ) yolo detect train data=coco.yaml model=yolov10n/s/m/b/l/x.yaml epochs=500 batch=256 imgsz=640 device=0,1,2,3,4,5,6,7
または
from ultralytics import YOLOv10
model = YOLOv10 ()
# If you want to finetune the model with pretrained weights, you could load the
# pretrained weights like below
# model = YOLOv10.from_pretrained('jameslahm/yolov10{n/s/m/b/l/x}')
# or
# wget https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10{n/s/m/b/l/x}.pt
# model = YOLOv10('yolov10{n/s/m/b/l/x}.pt')
model . train ( data = 'coco.yaml' , epochs = 500 , batch = 256 , imgsz = 640 )オプションで、微調整されたモデルをパブリック モデルまたはプライベート モデルとして Hugging Face ハブにプッシュできます。
# let's say you have fine-tuned a model for crop detection
model . push_to_hub ( " )
# you can also pass `private=True` if you don't want everyone to see your model
model . push_to_hub ( " , private = True ) 小さい物体や遠くにある物体を検出するには、より小さい信頼度のしきい値を設定できることに注意してください。詳細はこちらをご参照ください。
yolo predict model=jameslahm/yolov10{n/s/m/b/l/x}
または
from ultralytics import YOLOv10
model = YOLOv10 . from_pretrained ( 'jameslahm/yolov10{n/s/m/b/l/x}' )
# or
# wget https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10{n/s/m/b/l/x}.pt
model = YOLOv10 ( 'yolov10{n/s/m/b/l/x}.pt' )
model . predict () # End-to-End ONNX
yolo export model=jameslahm/yolov10{n/s/m/b/l/x} format=onnx opset=13 simplify
# Predict with ONNX
yolo predict model=yolov10n/s/m/b/l/x.onnx
# End-to-End TensorRT
yolo export model=jameslahm/yolov10{n/s/m/b/l/x} format=engine half=True simplify opset=13 workspace=16
# or
trtexec --onnx=yolov10n/s/m/b/l/x.onnx --saveEngine=yolov10n/s/m/b/l/x.engine --fp16
# Predict with TensorRT
yolo predict model=yolov10n/s/m/b/l/x.engine
または
from ultralytics import YOLOv10
model = YOLOv10 . from_pretrained ( 'jameslahm/yolov10{n/s/m/b/l/x}' )
# or
# wget https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10{n/s/m/b/l/x}.pt
model = YOLOv10 ( 'yolov10{n/s/m/b/l/x}.pt' )
model . export (...)コードベースは、ultralytics と RT-DETR を使用して構築されています。
素晴らしい実装をありがとう！
私たちのコードやモデルがあなたの仕事に役立つ場合は、私たちの論文を引用してください。
@article { wang2024yolov10 ,
title = { YOLOv10: Real-Time End-to-End Object Detection } ,
author = { Wang, Ao and Chen, Hui and Liu, Lihao and Chen, Kai and Lin, Zijia and Han, Jungong and Ding, Guiguang } ,
journal = { arXiv preprint arXiv:2405.14458 } ,
year = { 2024 }
}
