/ Модель

Характеристики

Лицензия
AGPL 3.0
Библиотека
yolov10
Опубликована
1 июн 2024

yolov10m

Поиск объектовИзображение → bounding_boxes3 профессии

Модель YOLOv10 для обнаружения объектов на изображениях в реальном времени.

171скачиваний за 30 дней6лайковвеса обновлены27 авг 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

jameslahm/yolov10m — модель семейства YOLOv10 для обнаружения объектов в изображениях в реальном времени. Карточка представляет её как сквозную end-to-end модель; репозиторий использует библиотеку yolov10 и формат весов safetensors. В метаданных указан датасет COCO.

Модель предназначена для локализации и распознавания объектов на изображениях, например для анализа сцен и визуального контроля. Указана лицензия AGPL-3.0, условия которой следует учитывать при использовании и распространении модели.

Сценарии применения

  • обнаружение объектов на фотографиях
  • поиск кошек и других объектов на изображениях
  • локализация объектов в видеопотоке для анализа сцен

Ограничения

В карточке не приведены численные показатели точности или скорости и подробности обучения; фактическое качество зависит от условий применения. Лицензия AGPL-3.0 может накладывать условия на использование и распространение.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Description

YOLOv10: Real-Time End-to-End Object Detection

Installation

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

Training and validation

from ultralytics import YOLOv10

model = YOLOv10.from_pretrained('jameslahm/yolov10m')
# Training
model.train(...)
# after training, one can push to the hub
model.push_to_hub("your-hf-username/yolov10-finetuned")

# Validation
model.val(...)

Inference

Here's an end-to-end example showcasing inference on a cats image:

from ultralytics import YOLOv10

model = YOLOv10.from_pretrained('jameslahm/yolov10m')
source = 'http://images.cocodataset.org/val2017/000000039769.jpg'
model.predict(source=source, save=True)

which shows:

image/png

BibTeX Entry and Citation Info

@article{wang2024yolov10,
 title={YOLOv10: Real-Time End-to-End Object Detection},
 author={Wang, Ao and Chen, Hui and Liu, Lihao and Chen, Kai and Lin, Zijia and Han, Jungong and Ding, Guiguang},
 journal={arXiv preprint arXiv:2405.14458},
 year={2024}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · yolov10 · object-detection

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
d3d8c82

0 моделей