• YOLOv10 memperkenalkan penugasan ganda yang konsisten untuk pelatihan tanpa NMS, sehingga secara bersamaan mencapai performa yang kompetitif dan latensi inferensi yang rendah.
• Menghadirkan strategi desain model berbasis efisiensi-akurasi yang menyeluruh untuk YOLO, yang mengoptimalkan berbagai komponen secara komprehensif baik dari sudut pandang efisiensi maupun akurasi.
• YOLOv10 melampaui metode state-of-the-art dalam hal performa dan efisiensi di berbagai skala model.
• Sebagai contoh, YOLOv10-S 1,8 kali lebih cepat daripada RT-DETR-R18 dengan AP serupa di COCO, tetapi memiliki parameter dan FLOP 2,8 kali lebih sedikit. Dibandingkan dengan YOLOv9-C, YOLOv10-B mengurangi latensi sebesar 46% dan jumlah parameter sebesar 25% sambil mempertahankan tingkat performa yang sama.
3 komentar
Sepertinya saat saya lulus S1, YOLOv3 baru saja keluar; waktu memang berlalu sangat cepat..
https://github.com/THU-MIG/yolov10
Beberapa bulan lalu YOLOv9 baru keluar, belum lama eh v10 sudah muncul.. hehe