清華接手，YOLOv10問世：效能大幅提升，登上GitHub熱榜

机器之心發表於2024-05-28

YOLOv1Github

相同效能情況下，延遲減少 46%，引數減少 25%。

目標檢測系統的標杆 YOLO 系列，再次獲得了重磅升級。

自今年 2 月 YOLOv9 釋出之後， YOLO（You Only Look Once）系列的接力棒傳到了清華大學研究人員的手上。

上週末，YOLOv10 推出的訊息引發了 AI 界的關注。它被認為是計算機視覺領域的突破性框架，以實時的端到端目標檢測能力而聞名，透過提供結合效率和準確性的強大解決方案，延續了 YOLO 系列的傳統。

論文地址：https://arxiv.org/pdf/2405.14458

專案地址：https://github.com/THU-MIG/yolov10

新版本釋出之後，很多人已經進行了部署測試，效果不錯：

YOLO 因為效能強大、消耗算力較少，一直以來都是實時目標檢測領域的主要正規化。該框架被廣泛用於各種實際應用，包括自動駕駛、監控和物流。其高效、準確的物體檢測能力使其成為實時識別行人和車輛等任務的理想選擇；在物流方面，它有助於庫存管理和包裹跟蹤，透過 AI 能力幫助人們在很多工作上提高了效率。

幾年來，研究人員對 YOLO 的架構設計、最佳化目標、資料增強策略等進行了探索，取得了顯著進展。然而，後處理對非極大值抑制（NMS）的依賴阻礙了 YOLO 的端到端部署，並對推理延遲產生不利影響。此外，YOLO 中各個元件的設計缺乏全面徹底的檢查，導致明顯的計算冗餘並限制了模型的能力。

YOLOv10 的突破就在於從後處理和模型架構方面進一步提升了 YOLO 的效能 - 效率邊界。

為此，研究團隊首次提出了 YOLO 無 NMS 訓練的一致雙重分配（consistent dual assignment），這使得 YOLO 在效能和推理延遲方面有所改進。

研究團隊為 YOLO 提出了整體效率 - 準確率驅動的模型設計策略，從效率和準確率兩個角度全面最佳化 YOLO 的各個元件，大大降低了計算開銷並增強了模型能力。

大量實驗表明，YOLOv10 在各種模型規模上都實現了 SOTA 效能和效率。例如，YOLOv10-S 在 COCO 上的類似 AP 下比 RT-DETR-R18 快 1.8 倍，同時引數數量和 FLOP 大幅減少。與 YOLOv9-C 相比，在效能相同的情況下，YOLOv10-B 的延遲減少了 46%，引數減少了 25%。

方法介紹

為了實現整體效率 - 準確率驅動的模型設計，研究團隊從效率、準確率兩方面分別提出改進方法。

為了提高效率，該研究提出了輕量級分類 head、空間通道（spatial-channel）解耦下采樣和排序指導的塊設計，以減少明顯的計算冗餘並實現更高效的架構。

為了提高準確率，研究團隊探索了大核卷積並提出了有效的部分自注意力（partial self-attention，PSA）模組來增強模型能力，在低成本下挖掘效能改進的潛力。基於這些方法，該團隊成功實現了一系列不同規模的實時端到端檢測器，即 YOLOv10-N / S / M / B / L / X。

用於無 NMS 訓練的一致雙重分配

在訓練期間，YOLO 通常利用 TAL 為每個例項分配多個正樣本。一對多的分配方式產生了豐富的監督訊號，促進了最佳化並使模型實現了卓越的效能。

然而，這需要 YOLO 依賴於 NMS 後處理，這導致了部署時次優的推理效率。雖然之前的研究工作探索了一對一匹配來抑制冗餘預測，但它們通常引入了額外的推理開銷。

與一對多分配不同，一對一匹配對每個 ground truth 僅分配一個預測，避免 NMS 後處理。然而，這會導致弱監督，以至於準確率和收斂速度不理想。幸運的是，這種缺陷可以透過一對多分配來彌補。

該研究提出的「雙標籤分配」結合了上述兩種策略的優點。如下圖所示，該研究為 YOLO 引入了另一個一對一 head。它保留了與原始一對多分支相同的結構並採用相同的最佳化目標，但利用一對一匹配來獲取標籤分配。在訓練過程中，兩個 head 聯合最佳化，以提供豐富的監督；在推理過程中，YOLOv10 會丟棄一對多 head 並利用一對一 head 做出預測。這使得 YOLO 能夠進行端到端部署，而不會產生任何額外的推理成本。