جزئیات بیشتر مدل YOLOv10
این مدل در ۶ سایز معرفی شده:
نانو (n): ۲/۳ میلیون پارامتر
کوچک (s): ۷/۲ میلیون پارامتر
متوسط (m): ۱۵/۴ میلیون پارامتر
بزرگ (b): ۱۹/۱ میلیون پارامتر
بزرگ (l): ۲۴/۴ میلیون پارامتر
خیلی بزرگ (x): ۲۹/۵ میلیون پارامتر
این مدل دقت (mAP) بهتری روی مجموعهدادهی COCO داشته و بهخاطر عدم استفاده از NMS به مراتب سریعتره. طوری که کوچکترین سایز، هر تصویر رو تو ۱ میلیثانیه پردازش میکنه (1000fps) و به راحتی میشه گفت بهترین مدل برای پردازش Real-Time ویدئوها روی دستگاههای edge devices هستش
کد این مدل رو روی فریمورک Ultralytics هستش بنابراین به کمک پکیج ultralytics بهسادگی قابل استفادهست.
نکتهی قابل توجه این که، این مدل تحت مجوز GNU GPL v3.0 منتشر شده، یعنی فقط تو پروژههای اوپن-سورس قابل استفادهست و نمیشه از آن در محصولات close-source استفاده کرد.
مقاله | گیتهاب | فاینتیون مدل | دمو
#yolo
@silicon_brain I از هوش مصنوعی عقب نمانید
این مدل در ۶ سایز معرفی شده:
نانو (n): ۲/۳ میلیون پارامتر
کوچک (s): ۷/۲ میلیون پارامتر
متوسط (m): ۱۵/۴ میلیون پارامتر
بزرگ (b): ۱۹/۱ میلیون پارامتر
بزرگ (l): ۲۴/۴ میلیون پارامتر
خیلی بزرگ (x): ۲۹/۵ میلیون پارامتر
این مدل دقت (mAP) بهتری روی مجموعهدادهی COCO داشته و بهخاطر عدم استفاده از NMS به مراتب سریعتره. طوری که کوچکترین سایز، هر تصویر رو تو ۱ میلیثانیه پردازش میکنه (1000fps) و به راحتی میشه گفت بهترین مدل برای پردازش Real-Time ویدئوها روی دستگاههای edge devices هستش
کد این مدل رو روی فریمورک Ultralytics هستش بنابراین به کمک پکیج ultralytics بهسادگی قابل استفادهست.
نکتهی قابل توجه این که، این مدل تحت مجوز GNU GPL v3.0 منتشر شده، یعنی فقط تو پروژههای اوپن-سورس قابل استفادهست و نمیشه از آن در محصولات close-source استفاده کرد.
مقاله | گیتهاب | فاینتیون مدل | دمو
#yolo
@silicon_brain I از هوش مصنوعی عقب نمانید