YOLOv10: Detecção de Objetos End-to-End em Tempo Real

O YOLOv10, construído no pacote Python Ultralytics por pesquisadores da Universidade de Tsinghua, introduz uma nova abordagem para a detecção de objetos em tempo real, abordando tanto as deficiências de pós-processamento quanto as de arquitetura de modelo encontradas em versões anteriores do YOLO. Ao eliminar a supressão não máxima (NMS) e otimizar vários componentes do modelo, o YOLOv10 alcança um desempenho de última geração com uma sobrecarga computacional significativamente reduzida. Experimentos extensivos demonstram suas vantagens superiores de precisão e latência em várias escalas de modelo.

Assista: Como Treinar o YOLOv10 no Dataset SKU-110k usando Ultralytics | Dataset de Varejo

Visão geral

A detecção de objetos em tempo real visa prever com precisão as categorias e posições dos objetos em imagens com baixa latência. A série YOLO tem estado na vanguarda desta pesquisa devido ao seu equilíbrio entre desempenho e eficiência. No entanto, a dependência do NMS e as ineficiências arquitetônicas têm prejudicado o desempenho ideal. O YOLOv10 aborda essas questões introduzindo atribuições duplas consistentes para treinamento sem NMS e uma estratégia holística de design de modelo orientada à eficiência e precisão.

Arquitetura

A arquitetura do YOLOv10 se baseia nos pontos fortes dos modelos YOLO anteriores, ao mesmo tempo em que introduz várias inovações importantes. A arquitetura do modelo consiste nos seguintes componentes:

1. Backbone: Responsável pela extração de características, o backbone no YOLOv10 usa uma versão aprimorada do CSPNet (Cross Stage Partial Network) para melhorar o fluxo de gradiente e reduzir a redundância computacional.
2. Neck: O neck é projetado para agregar recursos de diferentes escalas e passá-los para o head. Ele inclui camadas PAN (Path Aggregation Network) para uma fusão eficaz de recursos multiescala.
3. Head Um-para-Muitos: Gera múltiplas previsões por objeto durante o treinamento para fornecer sinais de supervisão ricos e melhorar a precisão do aprendizado.
4. Head Um-para-Um: Gera uma única melhor previsão por objeto durante a inferência para eliminar a necessidade de NMS, reduzindo assim a latência e melhorando a eficiência.

Principais Características

1. Treinamento sem NMS: Utiliza atribuições duplas consistentes para eliminar a necessidade de NMS, reduzindo a latência de inferência.
2. Design de Modelo Holístico: Otimização abrangente de vários componentes, tanto da perspectiva de eficiência quanto de precisão, incluindo heads de classificação leves, down sampling espacial-canal desacoplado e design de bloco guiado por classificação.
3. Capacidades de Modelo Aprimoradas: Incorpora convoluções de kernel grande e módulos de autoatenção parcial para melhorar o desempenho sem custo computacional significativo.

Variantes de Modelo

O YOLOv10 está disponível em várias escalas de modelo para atender a diferentes necessidades de aplicação:

• YOLOv10n: Versão Nano para ambientes extremamente limitados em recursos.
• YOLOv10s: Versão pequena que equilibra velocidade e precisão.
• YOLOv10m: Versão média para uso geral.
• YOLOv10b: Versão equilibrada com largura aumentada para maior precisão.
• YOLOv10l: Versão grande para maior precisão ao custo de recursos computacionais aumentados.
• YOLOv10x: Versão extra-grande para máxima precisão e desempenho.

Desempenho

O YOLOv10 supera as versões anteriores do YOLO e outros modelos de ponta em termos de precisão e eficiência. Por exemplo, o YOLOv10s é 1,8x mais rápido que o RT-DETR-R18 com AP semelhante no conjunto de dados COCO, e o YOLOv10b tem 46% menos latência e 25% menos parâmetros do que o YOLOv9-C com o mesmo desempenho.

Metodologia

Atribuições Duplas Consistentes para Treinamento Livre de NMS

O YOLOv10 emprega atribuições de rótulos duplos, combinando estratégias de um-para-muitos e um-para-um durante o treinamento para garantir uma supervisão rica e uma implantação eficiente de ponta a ponta. A métrica de correspondência consistente alinha a supervisão entre ambas as estratégias, aprimorando a qualidade das previsões durante a inferência.

Eficiência Holística - Design de Modelo Impulsionado pela Precisão

Melhorias de Eficiência

1. Cabeçalho de Classificação Leve: Reduz a sobrecarga computacional do cabeçalho de classificação usando convoluções separáveis em profundidade.
2. Subamostragem Desacoplada Espacial-Canal: Desacopla a redução espacial e a modulação de canal para minimizar a perda de informação e o custo computacional.
3. Design de Bloco Guiado por Ranqueamento: Adapta o design do bloco com base na redundância intrínseca do estágio, garantindo a utilização ideal dos parâmetros.

Melhorias de Precisão

1. Convolução de Kernel Grande: Amplia o campo receptivo para melhorar a capacidade de extração de recursos.
2. Autoatenção Parcial (PSA): Incorpora módulos de autoatenção para melhorar o aprendizado de representação global com sobrecarga mínima.

Experimentos e Resultados

O YOLOv10 foi extensivamente testado em benchmarks padrão como o COCO, demonstrando desempenho e eficiência superiores. O modelo alcança resultados de última geração em diferentes variantes, mostrando melhorias significativas em latência e precisão em comparação com versões anteriores e outros detectores contemporâneos.

Comparações

Comparado com outros detectores de última geração:

• YOLOv10s / x são 1,8× / 1,3× mais rápidos que RT-DETR-R18 / R101 com precisão similar
• YOLOv10b tem 25% menos parâmetros e 46% menor latência do que YOLOv9-C com a mesma precisão
• YOLOv10l / x supera YOLOv8l / x em 0,3 AP / 0,5 AP com 1,8× / 2,3× menos parâmetros

Exemplos de uso

Para prever novas imagens com YOLOv10:

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()

# 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

Para treinar o YOLOv10 num conjunto de dados personalizado:

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)

# 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

Tarefas e Modos Suportados

A série de modelos YOLOv10 oferece uma gama de modelos, cada um otimizado para Detecção de Objetos de alto desempenho. Estes modelos atendem a diferentes necessidades computacionais e requisitos de precisão, tornando-os versáteis para uma vasta gama de aplicações.

Exportando YOLOv10

Devido às novas operações introduzidas com o YOLOv10, nem todos os formatos de exportação fornecidos pela Ultralytics são atualmente suportados. A tabela seguinte descreve quais os formatos que foram convertidos com sucesso utilizando a Ultralytics para o YOLOv10. Sinta-se à vontade para abrir um pull request se puder fornecer uma alteração de contribuição para adicionar suporte à exportação de formatos adicionais para o YOLOv10.

Conclusão

O YOLOv10 estabelece um novo padrão na detecção de objetos em tempo real, abordando as deficiências das versões anteriores do YOLO e incorporando estratégias de design inovadoras. A sua capacidade de fornecer alta precisão com baixo custo computacional torna-o uma escolha ideal para uma vasta gama de aplicações do mundo real, incluindo fabrico, retalho e veículos autónomos.

Citações e Agradecimentos

Gostaríamos de agradecer aos autores do YOLOv10 da Universidade de Tsinghua pela sua extensa pesquisa e contribuições significativas para o framework Ultralytics:

@article{THU-MIGyolov10,
  title={YOLOv10: Real-Time End-to-End Object Detection},
  author={Ao Wang, Hui Chen, Lihao Liu, et al.},
  journal={arXiv preprint arXiv:2405.14458},
  year={2024},
  institution={Tsinghua University},
  license = {AGPL-3.0}
}

Para uma implementação detalhada, inovações arquitetónicas e resultados experimentais, consulte o artigo de pesquisa do YOLOv10 e o repositório GitHub da equipa da Universidade de Tsinghua.

FAQ

O que é YOLOv10 e como ele difere das versões anteriores do YOLO?

O YOLOv10, desenvolvido por pesquisadores da Universidade de Tsinghua, introduz várias inovações importantes para a detecção de objetos em tempo real. Elimina a necessidade de supressão não máxima (NMS) empregando atribuições duplas consistentes durante o treinamento e componentes de modelo otimizados para um desempenho superior com sobrecarga computacional reduzida. Para mais detalhes sobre sua arquitetura e principais recursos, consulte a seção de visão geral do YOLOv10.

Como posso começar a executar a inferência usando YOLOv10?

Para facilitar a inferência, você pode usar a biblioteca Ultralytics YOLO em python ou a interface de linha de comando (CLI). Abaixo estão exemplos de previsão de novas imagens usando YOLOv10:

from ultralytics import YOLO

# Load the pre-trained YOLOv10n model
model = YOLO("yolov10n.pt")
results = model("image.jpg")
results[0].show()

yolo detect predict model=yolov10n.pt source=path/to/image.jpg

Para mais exemplos de uso, visite nossa seção de Exemplos de Uso.

Quais variantes de modelo o YOLOv10 oferece e quais são seus casos de uso?

O YOLOv10 oferece várias variantes de modelo para atender a diferentes casos de uso:

• YOLOv10n: Adequado para ambientes extremamente limitados em recursos
• YOLOv10s: Equilibra velocidade e precisão
• YOLOv10m: Uso geral
• YOLOv10b: Maior precisão com largura aumentada
• YOLOv10l: Alta precisão ao custo de recursos computacionais
• YOLOv10x: Máxima precisão e desempenho

Cada variante é projetada para diferentes necessidades computacionais e requisitos de precisão, tornando-as versáteis para uma variedade de aplicações. Explore a seção de Variantes de Modelo para obter mais informações.

Como a abordagem livre de NMS no YOLOv10 melhora o desempenho?

O YOLOv10 elimina a necessidade de supressão não máxima (NMS) durante a inferência, empregando atribuições duplas consistentes para o treinamento. Essa abordagem reduz a latência de inferência e aumenta a eficiência da previsão. A arquitetura também inclui um cabeçalho individual para inferência, garantindo que cada objeto receba uma única melhor previsão. Para uma explicação detalhada, consulte a seção de Atribuições Duplas Consistentes para Treinamento Livre de NMS.

Onde posso encontrar as opções de exportação para modelos YOLOv10?

O YOLOv10 suporta vários formatos de exportação, incluindo TorchScript, ONNX, OpenVINO e TensorRT. No entanto, nem todos os formatos de exportação fornecidos pela Ultralytics são atualmente suportados para YOLOv10 devido às suas novas operações. Para obter detalhes sobre os formatos suportados e instruções sobre como exportar, visite a seção Exportando YOLOv10.

Quais são os benchmarks de desempenho para modelos YOLOv10?

O YOLOv10 supera as versões anteriores do YOLO e outros modelos de ponta em precisão e eficiência. Por exemplo, o YOLOv10s é 1,8x mais rápido que o RT-DETR-R18 com um AP semelhante no conjunto de dados COCO. O YOLOv10b mostra 46% menos latência e 25% menos parâmetros do que o YOLOv9-C com o mesmo desempenho. Benchmarks detalhados podem ser encontrados na seção Comparações.

📅 Criado há 1 ano ✏️ Atualizado há 3 meses

Comentários