YOLOv10（1）：初探，训练自己的数据

目录

1. 写在前面

2. 值得关注的点

3. 训练自己的数据集

4. 阅读代码的小建议

1. 写在前面

        很多人YOLOv9还没有完全研究透，YOLOv10出来了。

        惊不惊喜，意不意外！

        据论文里提到，YOLOv10就是为了加速推理，在保证精度的同时，降低参数量，减小计算量。就冲这，还没有研究YOLOv9的同学们，直接跳过吧。

        先说一句，如果大家不想动手，请不要客气，直接找我拿改动过的代码。

2. 值得关注的点

        论文提到，YOLOv10的研究团队为 YOLO 提出了整体效率 - 准确率驱动的模型设计策略，从效率和准确率两个角度全面优化 YOLO 的各个组件，大大降低了计算开销并增强了模型能力。研究过ELAN的同学有没有似曾相识的感觉，通过预设某种策略来设计网络，听上去和理解上去都很玄学，但是，对于我们这种本着用好就可以的同学，有用就是硬道理。

        此外，通过大量实验表明，YOLOv10 在各种模型规模上都实现了 SOTA 性能和效率。例如，YOLOv10-S 在 COCO 上的类似 AP 下比 RT-DETR-R18 快 1.8 倍，同时参数数量和 FLOP 大幅减少。与 YOLOv9-C 相比，在性能相同的情况下，YOLOv10-B 的延迟减少了 46%，参数减少了 25%。再一次划重点，可以先跨过YOLOv9，直接开搞YOLOv10。