Yolov10

🚀 YOLOv10 目標檢測模型

YOLOv10 是用於即時目標檢測的模型，它基於可訓練的免費贈品集，為即時目標檢測器設定了新的技術標準，在計算機視覺領域有著重要的應用價值。

🚀 快速開始

本部分將引導你快速瞭解如何安裝和使用 YOLOv10 模型進行目標檢測。

✨ 主要特性

• 先進的目標檢測技術：基於 YOLOv10 架構，為即時目標檢測設定了新的技術標準。
• 易於安裝：通過簡單的 pip 命令即可完成安裝。
• 豐富的數據集支持：支持 detection-datasets/coco 等數據集。

📦 安裝指南

使用以下命令安裝 YOLOv10 及其依賴：

pip install supervision git+https://github.com/THU-MIG/yolov10.git

💻 使用示例

基礎用法

以下是使用 YOLOv10 進行目標檢測推理的示例代碼：

from ultralytics import YOLOv10
import supervision as sv
import cv2

MODEL_PATH = 'yolov10n.pt'
IMAGE_PATH = 'dog.jpeg'

model = YOLOv10(MODEL_PATH)
image  = cv2.imread(IMAGE_PATH)
results = model(source=image, conf=0.25, verbose=False)[0]
detections = sv.Detections.from_ultralytics(results)
box_annotator = sv.BoxAnnotator()

category_dict = {
    0: 'person', 1: 'bicycle', 2: 'car', 3: 'motorcycle', 4: 'airplane', 5: 'bus',
    6: 'train', 7: 'truck', 8: 'boat', 9: 'traffic light', 10: 'fire hydrant',
    11: 'stop sign', 12: 'parking meter', 13: 'bench', 14: 'bird', 15: 'cat',
    16: 'dog', 17: 'horse', 18: 'sheep', 19: 'cow', 20: 'elephant', 21: 'bear',
    22: 'zebra', 23: 'giraffe', 24: 'backpack', 25: 'umbrella', 26: 'handbag',
    27: 'tie', 28: 'suitcase', 29: 'frisbee', 30: 'skis', 31: 'snowboard',
    32: 'sports ball', 33: 'kite', 34: 'baseball bat', 35: 'baseball glove',
    36: 'skateboard', 37: 'surfboard', 38: 'tennis racket', 39: 'bottle',
    40: 'wine glass', 41: 'cup', 42: 'fork', 43: 'knife', 44: 'spoon', 45: 'bowl',
    46: 'banana', 47: 'apple', 48: 'sandwich', 49: 'orange', 50: 'broccoli',
    51: 'carrot', 52: 'hot dog', 53: 'pizza', 54: 'donut', 55: 'cake',
    56: 'chair', 57: 'couch', 58: 'potted plant', 59: 'bed', 60: 'dining table',
    61: 'toilet', 62: 'tv', 63: 'laptop', 64: 'mouse', 65: 'remote', 66: 'keyboard',
    67: 'cell phone', 68: 'microwave', 69: 'oven', 70: 'toaster', 71: 'sink',
    72: 'refrigerator', 73: 'book', 74: 'clock', 75: 'vase', 76: 'scissors',
    77: 'teddy bear', 78: 'hair drier', 79: 'toothbrush'
}

labels = [
    f"{category_dict[class_id]} {confidence:.2f}"
    for class_id, confidence in zip(detections.class_id, detections.confidence)
]
annotated_image = box_annotator.annotate(
    image.copy(), detections=detections, labels=labels
)

cv2.imwrite('annotated_dog.jpeg', annotated_image)

📚 詳細文檔

• 模型論文：YOLOv10: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
• 論文代碼倉庫：Implementation of paper - YOLOv10

📄 許可證

本項目採用 AGPL-3.0 許可證。

📚 引用信息

如果你在研究中使用了 YOLOv10，請使用以下 BibTeX 引用：

@misc{wang2024yolov10,
      title={YOLOv10: Real-Time End-to-End Object Detection}, 
      author={Ao Wang and Hui Chen and Lihao Liu and Kai Chen and Zijia Lin and Jungong Han and Guiguang Ding},
      year={2024},
      eprint={2405.14458},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}