YOLO模型因其在计算成本和检测性能之间的平衡而在实时目标检测中很受欢迎。前几天YOLOv10也刚刚发布了。我们这篇文章就来看看YOLOv10有哪些改进，如何部署，以及微调。

YOLOv10通过无nms的训练解决了延迟问题，作者为无nms训练引入了一致的双任务，同时获得了具有竞争力的性能和低推理延迟。他们还提出了一种整体的效率-精度驱动模型设计策略，从效率和精度两个角度对各种YOLO组件进行优化。这减少了计算开销并提高了性能。

通过以上一些列的优化YOLOv10具有最先进的性能和效率。例如，YOLOv10-S比RT-DETR-R18快1.8倍，精度相似但参数和FLOPs更少。与YOLOv9-C相比，在相同性能下，YOLOv10-B的延迟减少了46%，参数减少了25%。

Consistent Dual Assignments

YOLO模型通常使用任务对齐学习(Task Alignment Learning, TAL)进行训练，这涉及到为每个实例分配多个正样本，增强优化和性能。但是这种方法需要进行非最大抑制(NMS)后处理，降低了推理效率。虽然一对一匹配避免了NMS，但它并不能得到最佳的性能。

送一作者介绍了一种使用双标签分配和一致匹配度量的无nms训练策略。

在训练过程中，一对一头部与传统的一对多头部合并，两者共享相同的优化目标，但使用不同的匹配策略。一对多头部提供了丰富的监控信号，而一对一头部在推理过程中确保了高效，无nms的预测。在推理时只使用一对一的头部，避免额外的成本。

为了协调训练过程，使用了一致的匹配度量。该度量使用平衡语义预测和位置回归任务的统一方法，评估一对多和一对一分配的预测和实例之间的一致性。通过调整来自两个头部的监督，模型可以确保一个头部的最佳样本也是另一个头部的最佳样本，从而一致地优化两者。这种方法显著改善了一对一匹配对与一对多匹配的顶级结果的一致性。

精度驱动的模型设计

由于YOLO模型本身的结构，其计算冗余和能力有限，在平衡效率和准确性方面面临挑战。所以作者提出了全面的模型设计来解决这些问题，同时注重效率和准确性。

效率驱动型模型设计:

通过使用深度可分离卷积的简化架构来减少计算开销。

分离空间减少和信道增加减少计算成本并保留信息。

使用内在秩分析来识别和减少模型阶段的冗余，用更有效的结构代替复杂的块。

精度驱动的模型设计:

通过增加深度阶段的接受场来增强模型能力，有选择地使用大核深度卷积来避免浅阶段的开销。

通过PSA划分特征并将自注意力应用于部分特征，结合有效的自注意力，降低计算复杂性和内存使用，同时增强全局表示学习。

与基线YOLOv8模型相比，YOLOv10在AP方面表现出显著的改善，N型增加1.2%，S型增加1.4%，M型增加0.5%，L型增加0.3%，X型增加0.5%。此外，YOLOv10显著降低了延迟，从37%到70%不等。

我们将从安装所需的库开始。

# Clone ultralytics repogit clone https://github.com/ultralytics/ultralytics# cd to local directorycd ultralytics# Install dependenciespip install -r requirements.txt

1、使用YOLOv10进行目标检测

目标检测是计算机视觉中的一项基本任务。YOLOv10通过在推理期间消除非最大抑制(NMS)的需要来增强这一点，从而降低延迟并提高性能。

我们先载入模型和需要处理的视频

import cv2import numpy as npfrom ultralytics import YOLO# Load YOLOv10 modelmodel = YOLO('yolov10.pt')# Path to the video filevideo_path = 'path/to/your/deephub.mp4'cap = cv2.VideoCapture(video_path)

然后就可以处理视频帧

while cap.isOpened():    ret, frame = cap.read()    if not ret:        break    # Perform object detection    results = model(frame)    # Draw bounding boxes    for result in results:        boxes = result['boxes']        for box in boxes:            x1, y1, x2, y2 = box['coords']            label = box['label']            confidence = box['confidence']            cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)            cv2.putText(frame, f'{label} {confidence:.2f}', (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)    # Display the frame    cv2.imshow('YOLOv10 Object Detection', frame)    if cv2.waitKey(1) & 0xFF == ord('q'):        breakcap.release()cv2.destroyAllWindows()

结果如下：

2、使用YOLOv10进行区域计数

区域计数可以对指定区域内的对象进行计数，这个例子演示了如何使用YOLOv10对定义区域中的对象进行计数。

定义区域和设置模型

from shapely.geometry import Polygon, Point# Define counting regionscounting_regions = [    {        "name": "Region 1",        "polygon": Polygon([(50, 80), (250, 20), (450, 80), (400, 350), (100, 350)]),        "counts": 0,        "color": (255, 0, 0)    },    {        "name": "Region 2",        "polygon": Polygon([(200, 250), (440, 250), (440, 550), (200, 550)]),        "counts": 0,        "color": (0, 255, 0)    },]model = YOLO('yolov10.pt')

处理视频和计数区域中的对象

cap = cv2.VideoCapture('path/to/your/deephub.mp4')while cap.isOpened():    ret, frame = cap.read()    if not ret:        break    # Perform object detection    results = model(frame)    # Draw regions    for region in counting_regions:        points = np.array(region["polygon"].exterior.coords, dtype=np.int32)        cv2.polylines(frame, [points], isClosed=True, color=region["color"], thickness=2)        region["counts"] = 0  # Reset counts for each frame    # Count objects in regions    for result in results:        boxes = result['boxes']        for box in boxes:            x1, y1, x2, y2 = box['coords']            center = Point((x1 + x2) / 2, (y1 + y2) / 2)            for region in counting_regions:                if region["polygon"].contains(center):                    region["counts"] += 1    # Display counts    for region in counting_regions:        text = f'{region["name"]}: {region["counts"]}'        cv2.putText(frame, text, (int(region["polygon"].centroid.x), int(region["polygon"].centroid.y)), cv2.FONT_HERSHEY_SIMPLEX, 0.5, region["color"], 2)    # Display the frame    cv2.imshow('YOLOv10 Region Counting', frame)    if cv2.waitKey(1) & 0xFF == ord('q'):        breakcap.release()cv2.destroyAllWindows()

在使用模型时最主要的还是要在我们自己的数据集上进行微调，所以我们最后再介绍一下如何使用自己的数据进行微调。

我将使用一个预先准备好的检测x射线图像中的危险物品的数据集来作为演示。

我们只用roboflow直接下载yolov8格式的数据集

!pip install -q roboflowfrom roboflow import Roboflowrf = Roboflow(api_key="your-api-key")project = rf.workspace("vladutc").project("x-ray-baggage")version = project.version(3)dataset = version.download("yolov8")

指定参数和文件路径，然后开始模型训练。

!yolo task=detect mode=train epochs=25 batch=32 plots=True \model='/content/-q/yolov10n.pt' \data='/content/X-Ray-Baggage-3/data.yaml'

这里需要一个data.yaml文件，他的格式如下：

names:- Gun- Knife- Pliers- Scissors- Wrenchnc: 5roboflow:  license: CC BY 4.0  project: x-ray-baggage  url: https://universe.roboflow.com/vladutc/x-ray-baggage/dataset/3  version: 3  workspace: vladutctest: /content/X-Ray-Baggage-3/test/imagestrain: /content/X-Ray-Baggage-3/train/imagesval: /content/X-Ray-Baggage-3/valid/images

训练完成后我们可以看看结果：

Image(filename='/content/runs/detect/train/results.png', width=1000)

最后可以测试数据并在网格中显示结果。

from ultralytics import YOLOv10import globimport matplotlib.pyplot as pltimport matplotlib.image as mpimgmodel_path = '/content/runs/detect/train/weights/best.pt'model = YOLOv10(model_path)results = model(source='/content/X-Ray-Baggage-3/test/images', conf=0.25,save=True)images = glob.glob('/content/runs/detect/predict/*.jpg')images_to_display = images[:10]fig, axes = plt.subplots(2, 5, figsize=(20, 10))for i, ax in enumerate(axes.flat):    if i < len(images_to_display):        img = mpimg.imread(images_to_display[i])        ax.imshow(img)        ax.axis('off')      else:        ax.axis('off')   plt.tight_layout()plt.show()

YOLOv10的改进在性能和延迟方面均达到了最先进的水平，充分展示了其优越性。并且继承了Ultralytics的传统，无论是部署还是自定义训练和微调都十分的友好，有兴趣的可以现在开始研究了。

https://avoid.overfit.cn/post/ef635b20337c435abde2ac2d1577d665