训练使用 可在这里查看 https://blog.csdn.net/qq_65356682/article/details/142250076?spm=1001.2014.3001.5502
YOLOv10引入了无NMS的一致双分配训练策略,结合了一对多和一对一分配策略的优势。在训练过程中,模型利用一对多分配的丰富监督信号,而在推理过程中则使用一对一分配的预测结果,从而实现无NMS的高效推理。
一致匹配度量:为确保两个分支的预测感知匹配,YOLOv10提出了一致匹配度量,通过调整匹配度量参数,使得一对一和一对多分配的监督信号一致,减少了训练期间的监督差距,提升了模型的预测质量。
效率-精度驱动的模型设计:
YOLOv10在模型设计上采用了多种技术来降低计算成本,同时保持较高的检测性能。这包括轻量化分类头、空间-通道解耦下采样、基于秩的块设计、大核卷积和部分自注意力模块等。
1