一、引言
YOLOv9还没热乎呢，YOLOv10就出来了，太卷了！太快了！
自今年2月YOLOv9发布之后， YOLO（You Only Look Once）
系列的接力棒传到了清华大学研究人员的手上。YOLOv10推出的消息引发了AI界的关注，它被认为是计算机视觉领域的突破性框架，以实时的端到端目标检测能力而闻名，通过提供结合效率和准确性的强大解决方案，延续了YOLO系列的传统。
从图中可以看出，性能是持续提升的，欢迎各位小伙伴阅读完本篇文章后在评论区留言，谈谈你对本文的看法。
标题：YOLOv10: Real-Time End-to-End Object Detection
论文：https://arxiv.org/pdf/2405.14458
源码：https://github.com/THU-MIG/yolov10
2、算法介绍
在我们深入探讨YOLOv10之前，让我们回顾一下YOLO的发展历程。YOLO在实时目标检测领域一直是先驱，兼顾速度和准确性。
从YOLOv1到YOLOv9，每个版本在架构、优化和数据增强方面都引入了显著的改进。然而，随着模型的发展，某些限制依然存在，特别是对后处理依赖非极大值抑制（NMS），这会减慢推理速度。YOLOv10正面解决了这些挑战，使其成为实时应用中稳健高效的模型。
2.1 YOLOv10亮点
YOLOv10是清华大学研究人员所研发的一种新的实时目标检测方法，解决了YOLO以前版本在后处理和模型架构方面的不足。通过消除非最大抑制（NMS）和优化各种模型组件，YOLOv10在显著降低计算开销的同时实现了最先进的性能。并用大量实验证明，YOLOv10在多个模型尺度上实现了卓越的精度-延迟权衡。
YOLOv10亮点：
1.无 NMS 设计：利用一致的双重分配来消除对NMS的需求，从而减少推理延迟。
2.整体模型设计：从效率和准确性的角度全面优化各种组件，包括轻量级分类头、空间通道去耦向下采样和等级引导块设计。
3.增强的模型功能：纳入大核卷积和部分自注意模块，在不增加大量计算成本的情况下提高性能。
2.2 YOLOv10版本功能
YOLOv10有多种型号，可满足不同的应用需求，在COCO上的性能表现，包括其各个版本的区别如下：
| Model | Test Size | #Params | FLOPs | APval | Latency | 版本说明 |
|---|---|---|---|---|---|---|
| YOLOv10-N | 640 | 2.3M | 6.7G | 38.5% | 1.84ms | 用于资源极其有限环境的纳米版本 |
| YOLOv10-S | 640 | 7.2M | 21.6G | 46.3% | 2.49ms | 兼顾速度和精度的小型版本 |
| YOLOv10-M | 640 | 15.4M | 59.1G | 51.1% | 4.74ms | 通用中型版本 |
| YOLOv10-B | 640 | 19.1M | 92.0G | 52.5% | 5.74ms | 平衡型，宽度增加，精度更高 |
| YOLOv10-L | 640 | 24.4M | 120.3G | 53.2% | 7.28ms | 大型版本，精度更高，但计算资源增加 |
| YOLOv10-X | 640 | 29.5M | 160.4G | 54.4% | 10.70ms | 超大型版本可实现最高精度和性能 |
3、网络结构
关于YOLOv10的网络结构图具体如下图所示：
3.1 主要改进：
- Backbone & Neck：使用了先进的结构如 CSPNet 作为骨干网络，和 PAN 作为颈部网络，优化了特征提取和多尺度特征融合。
- 大卷积核与分区自注意力：这些技术用于增强模型从大范围上下文中学习的能力，提高检测准确性而不显著增加计算成本。
- 整体效率：引入空间-通道解耦下采样和基于秩引导的模块设计，减少计算冗余，提高整体模型效率。
3.2 YOLOv10与v8结构对比：
从结构上看添加了PSA和在C2f结构中添加了CBI结构。结构设计如下：
而且去掉了NMS：
4、数据准备
在模型训练开始前，首先要进行训练数据准备。由于YOLOv10跟YOLOv8数据集结构一样，所以本文不再重复介绍数据标注、数据清洗、数据集格式转换等操作，有需要的同学可以参考我之前写的《YOLOv8训练自己的数据集+常用传参说明》
YOLOv8训练自己的数据集+常用传参说明：http://t.csdnimg.cn/hyu8C
包含：
准备数据集
python批量重命名
使用labelimg进行标注
labelimg使用说明
数据集的划分
转换数据集格式
编写数据集配置文件
使用YOLOv8训练自己的数据集等
本文为测试YOLOv10的性能，特选取SAR-AIRcraft-1.0：高分辨率SAR飞机检测识别数据集，共发布图像4,368幅，共有16,463个飞机目标实例，包括A220、A320/321、A330、ARJ21、Boeing737、Boeing787和other共7个类别，支持检测任务、识别任务以及检测识别一体化任务。本数据集具有场景复杂、类别丰富、目标密集、噪声干扰、任务多样、多尺度性的特点。
数据集下载地址：https://radars.ac.cn/web/data/getData?dataType=SARDataset
4.1数据集格式
准备数据集格式如下：
这里是数据集根目录
├── Annotations （下载下来的xml文件标注信息）
│ ├── 0000001.xml
│ ├── 0000002.xml
│ ├── 0000003.xml
├── images （下载下来的JPEGImages文件夹，重命名为images）
│ ├── 0000001.jpg
│ ├── 0000002.jpg
│ ├── 0000003.jpg
├── ImageSets（通过程序split_train_val.py分割出来的训练集、验证集）
│ ├── test.txt
│ ├── train.txt
│ ├── trainval.txt
│ └── val.txt
├── labels（通过程序voc_label.py将xml文件转为yolo训练格式的txt文件）
│ ├── 0000001.txt
│ ├── 0000002.txt
│ ├── 0000003.txt
├── sar.yaml （模型训练的数据集配置文件）
├── split_train_val.py
├── test.txt
├── train.txt
├── val.txt
└── voc_label.py
4.2 数据集的划分
在数据集根目录下创建一个脚本，创建一个split_train_val.py文件，运行文件之后会在imageSets文件夹下将数据集划分为训练集、验证集、测试集，里面存放的就是用于训练、验证、测试的图片名称。代码内容如下：
split_train_val.py
import os
import randomtrainval_percent = 0.9
train_percent = 0.9
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets'
total_xml = os.listdir(xmlfilepath)num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)ftrainval = open('ImageSets/trainval.txt', 'w')
ftest = open('ImageSets/test.txt', 'w')
ftrain = open('ImageSets/train.txt', 'w')
fval = open('ImageSets/val.txt', 'w')for i in list:name = total_xml[i][:-4] + '\n'if i in trainval:ftrainval.write(name)if i in train:ftrain.write(name)else:fval.write(name)else:ftest.write(name)ftrainval.close()
ftrain.close()
fval.close()
ftest.close()
4.3 转换数据集格式
创建voc_label.py文件，他的作用：
（1）就是把Annoctions里面的xml格式的标注文件转换为txt格式的标注文件，每个图像对应一个txt文件，文件每一行为一个目标的信息，包括class， x_center， y_center， width， height。
（2）就是运行后除了会生成转换后labels文件夹下的60张图片的txt文件，还会在data文件夹下得到三个包含数据集路径的txt文件，train.tx，tes.txt，val.txt这3个txt文件为划分后图像所在位置的绝对路径，如train.txt就含有所有训练集图像的绝对路径。
voc_label.py
import xml.etree.ElementTree as ET
import os
from os import getcwdsets = ['train', 'val', 'test']
# 改成你自己的分类
classes = ['A220','A320/321','A330','ARJ21','Boeing737','Boeing787', 'other']
abs_path = os.getcwd()
print(abs_path)def convert(size, box):dw = 1. / (size[0])dh = 1. / (size[1])x = (box[0] + box[1]) / 2.0 - 1y = (box[2] + box[3]) / 2.0 - 1w = box[1] - box[0]h = box[3] - box[2]x = x * dww = w * dwy = y * dhh = h * dhreturn x, y, w, hdef convert_annotation(image_id):in_file = open('Annotations/%s.xml' % (image_id), encoding='UTF-8')out_file = open('labels/%s.txt' % (image_id), 'w')tree = ET.parse(in_file)root = tree.getroot()size = root.find('size')w = int(size.find('width').text)h = int(size.find('height').text)for obj in root.iter('object'):# difficult = obj.find('difficult').textdifficult = obj.find('difficult').textcls = obj.find('name').textif cls not in classes or int(difficult) == 1:continuecls_id = classes.index(cls)xmlbox = obj.find('bndbox')b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),float(xmlbox.find('ymax').text))b1, b2, b3, b4 = b# 标注越界修正if b2 > w:b2 = wif b4 > h:b4 = hb = (b1, b2, b3, b4)bb = convert((w, h), b)out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')wd = getcwd()
for image_set in sets:if not os.path.exists('labels/'):os.makedirs('labels/')image_ids = open('ImageSets/%s.txt' % (image_set)).read().strip().split()list_file = open('%s.txt' % (image_set), 'w')for image_id in image_ids:list_file.write(abs_path + '/images/%s.jpg\n' % (image_id))convert_annotation(image_id)list_file.close()
4.4 编写数据集配置文件
创建 sar.yaml
内容如下，其文件路径正是上文生成的划分配置集文件（建议写为绝对路径，否则会出一些问题）
nc代表类别数量，比如我这里是7个分类
names是每个分类名称
sar.yaml
train: /data/datasets/SAR-aircraft1.0/train.txt
val: /data/datasets/SAR-aircraft1.0/val.txt
test: /data/datasets/SAR-aircraft1.0/test.txtnc: 7
names:0: A2201: A320/3212: A3303: ARJ214: Boeing7375: Boeing7876: other
5、YOLOv10安装与训练
介绍了那么多，终于来到了本文的重点，开始安装使用YOLOv10。其实如果使用过YOLOv8，再使用YOLOv10的话会很简单。那么我们根据官方文档介绍，一步步按照即可，所需要的Anaconda环境可以参考本人前几篇文章教程。
5.1 下载源码
源码地址：https://github.com/THU-MIG/yolov10
可以直接在服务器上使用git下载，命令如下：
# 下载yolov10源码
git clone https://github.com/THU-MIG/yolov10.git
# 进入yolov10目录
cd yolov10
下载后目录如下：
5.2 环境配置与安装
使用conda 创建虚拟环境配置【输入命令前，需进入到项目目下】。命令如下：
conda create -n yolov10 python=3.9
conda activate yolov10
pip install -r requirements.txt
pip install -e .
安装完成之后，我们简单执行下推理命令测试下效果：
yolo predict model=yolov10s.pt source=ultralytics/assets/bus.jpg这里需要提前把yolov10s.pt预训练模型下载好，下载地址：https://github.com/THU-MIG/yolov10/releases/tag/v1.1
选择对应的版本进行下载，然后导入到yolov10的安装目录即可。
如果都成功执行，那么就已经正确安装完成YOLOv10了。
5.3 训练模型
在yolov10目录下，编写训练模型train.py
注意这个地方需要导入YOLOv10模块，不是YOLO模块。
训练代码如下：
# coding:utf-8
from ultralytics import YOLOv10
# 模型配置文件
model_yaml_path = "ultralytics/cfg/models/v10/yolov10n.yaml"
# 数据集配置文件，最好写绝对路径
data_yaml_path = '/data/datasets/SAR-aircraft1.0/sar.yaml'
# 预训练模型
pre_model_name = 'yolov10n.pt'if __name__ == '__main__':# 加载预训练模型model = YOLOv10("ultralytics/cfg/models/v10/yolov10n.yaml").load(pre_model_name)# 训练模型results = model.train(data=data_yaml_path,epochs=100, batch=64, # 训练批次，默认16,根据你的GPU情况适当调小workers=64, # 载入数据的线程数resume=True, # 断点训练，默认Flasename='train_v10')
执行python train.py开始训练，打印的网路结构如下：
模型训练完成的结果展示：
再对比下YOLOv8n的训练结果：
可以看出，
5.4 模型推理
在YOLOv10目录下创建predict.py
模型推理代码如下：
from ultralytics import YOLOv10# Load a pretrained YOLOv10n model
model = YOLOv10("runs/detect/train_v104/weights/best.pt")# Perform object detection on an image
# results = model("test1.jpg")
results = model.predict("0000001.jpg")# Display the results
results[0].show()
模型推理输出结果如下：
当然，如果你有可视化界面，可以直接看到推理结果。我这里只输出了推理结果的标签展示。
5.5 模型导出
我们还可以在YOLOv10目录下创建export.py，执行模型导出为onnx格式，文件内容如下：
from ultralytics import YOLOv10
# Load a model
model = YOLOv10('yolov10x.pt') # load an official model
model = YOLOv10('runs/detect/train_v104/weights/best.pt') # load a custom trained model# Export the model
model.export(format='onnx')
执行该文件，可见已经将模型导出到/data/yolov10/runs/detect/train_v104/weights目录下
6、总结
清华大学研究人员推出的YOLOv10，作为首个无NMS目标检测模型，代表了计算机视觉领域的重大进步。与YOLOv8相比，YOLOv10显著减少了推理延迟，使其更适合高速实时应用，如自动驾驶、视频监控和交互式AI系统。这种推理过程中计算步骤的减少突显了YOLOv10的效率和响应能力。
此外，YOLOv10采用了新的无NMS训练方法，对其各部分进行了微调以提高性能，并在速度和准确性之间达到了很好的平衡。这些升级使得模型的部署更容易，性能更强，速度更快，响应更迅速。无论你是研究人员、开发人员还是技术爱好者，YOLOv10都是值得关注的模型。
如果你有其他疑问，欢迎私信，或者点击下方小卡片，加我微信好友共同学习！
