• YOLOv10, NMS-रहित training के लिए consistent dual assignments पेश करता है, जिससे यह प्रतिस्पर्धी performance और कम inference latency दोनों को एक साथ हासिल करता है.
• यह YOLO के लिए समग्र efficiency-accuracy आधारित model design strategy प्रस्तुत करता है, जो efficiency और accuracy दोनों दृष्टिकोणों से विभिन्न components को व्यापक रूप से optimize करता है.
• YOLOv10, विभिन्न model scales में performance और efficiency दोनों के मामले में state-of-the-art methods से बेहतर है.
• उदाहरण के लिए, COCO पर समान AP वाले RT-DETR-R18 की तुलना में YOLOv10-S 1.8 गुना तेज है, जबकि इसके parameters और FLOPs 2.8 गुना कम हैं. YOLOv9-C की तुलना में, YOLOv10-B समान स्तर का performance बनाए रखते हुए latency को 46% और parameters की संख्या को 25% कम करता है.
3 टिप्पणियां
लगता है जब मैं अपना अंडरग्रेजुएशन खत्म कर रहा था, तब YOLOv3 आया था—समय सच में बहुत तेज़ी से निकल जाता है..
https://github.com/THU-MIG/yolov10
कुछ महीने पहले YOLOv9 आया था, और ज़्यादा समय भी नहीं हुआ कि v10 भी आ गया.. हाहा