YOLOv10

1. YOLOv10

개요

yolov10은 NMS에 대한 의존도와 아키텍처의 비효율성이 최적의 성능을 저해해왔다. YOLOv10은 NMS 없는 훈련을 위한 일관된 이중 과제와 전체적인 효율성-정확도 중심의 모델 설계 전략을 도입해서 이러한 문제 해결

아키텍처

• Backbone : 특징 추출을 담당하는 YOLOv10의 백본은 CSPNet의 향상된 버전을 사용하여 그라데이션 흐름을 개선하고 계산 중복성을 줄임
• Neck : 다양한 스케일의 특징을 집계하여 헤드로 전달되도록 설계됨. 효과적인 멀티스케일 기능 융합을 위한 PAN 레이어가 포함됨
• One-to-Many Head : 학습 중에 객체 당 여러 예측을 생성하여 풍부한 감독 신호를 제공하고 학습 정확도를 높임
• One-to-One Head : 추론 중에 객체 당 하나의 최상의 예측을 생성하여 NMS의 필요성을 제거함으로써 지연시간을 줄이고 효율성을 향상시킴

모델 변형 및 성능

yolov10은 총 6가지 모델이 있음

• YOLOv10-N : 리소스가 매우 제한적인 환경을 위한 나노 버전
• YOLOv10-S : 속도와 정확성의 균형을 맞춘 소형 버전
• YOLOv10-M : 범용으로 사용되는 중간 버전
• YOLOv10-B : 정확도를 높이기 위해 너비를 늘린 균형 잡힌 버전
• YOLOv10-L : 더 높은 정확도를 위해 컴퓨팅 리소스를 늘린 대형 버전
• YOLOv10-X : 최대 정확도 및 성능을 위한 초대형 버전

비교

YOLOv10은 더 적은 매개변수로 더 높은 정확도와 속도 성능을 제공하는 실시간 객체 감지 애플리케이션

실습

---