• YOLOv10 introduit une attribution double cohérente pour un entraînement sans NMS, ce qui lui permet d’atteindre à la fois des performances compétitives et une faible latence d’inférence.
• Il présente une stratégie globale de conception de modèles fondée sur le compromis efficacité-précision pour YOLO, en optimisant de manière exhaustive divers composants du point de vue de l’efficacité comme de la précision.
• YOLOv10 surpasse les méthodes de pointe, tant en performances qu’en efficacité, sur une large gamme de tailles de modèles.
• Par exemple, YOLOv10-S est 1,8 fois plus rapide que RT-DETR-R18 avec un AP similaire sur COCO, tout en utilisant 2,8 fois moins de paramètres et de FLOP. Par rapport à YOLOv9-C, YOLOv10-B réduit la latence de 46 % et le nombre de paramètres de 25 % tout en conservant un niveau de performance équivalent.
3 commentaires
Je crois que c’est vers le moment où j’obtenais ma licence que YOLOv3 est sorti ; le temps passe vraiment vite...
https://github.com/THU-MIG/yolov10
YOLOv9 est sorti il y a quelques mois, et peu de temps après, la v10 est déjà arrivée... hé hé