模型实战（23）之 yolov10 使用总结及训练自己的数据集

yolov10 使用总结及训练自己的数据集

0. yolov10 原理分析

• 此处参考：https://blog.csdn.net/CVHub/article/details/139204248

• 论文：https://arxiv.org/pdf/2405.14458
• 源码：https://github.com/THU-MIG/yolov10
  

• 论文原理分析：

• 创新：

  • 双标签分配策略
    众所周知，标签分配策略对于目标检测器来说是至关重要的。经过这几年的发展，前前后后也提出了许多的不同的方案，但归根结底还是围绕着正负样本去定义。通常，我们会认为与 GT 框的 IoU 大于给定阈值的便是正样本。

  • 首先，回顾下经典的 YOLO 架构，其通过网格化的方式预定义数千个锚框(anchor)，然后基于这些锚框进一步执行回归和分类任务。然而，实际场景中，我们所面临的目标其大小、长宽比、数量、位姿均各有所异