/ Модель

Характеристики

Лицензия
AGPL 3.0
Библиотека
yolov10
Опубликована
1 июн 2024

yolov10s

Поиск объектовИзображение → bounding_boxes3 профессии

YOLOv10s — модель обнаружения объектов на изображениях, ориентированная на вывод в реальном времени.

110скачиваний за 30 дней4лайкавеса 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/yolov10s — модель обнаружения объектов семейства YOLOv10 для работы в реальном времени. Карточка описывает её как сквозную модель object detection; пример применения показывает обработку изображения с кошками. Репозиторий использует библиотеку yolov10 и содержит веса в формате Safetensors.

Модель предназначена для обнаружения объектов на изображениях и подходит для сценариев, где важны быстрый вывод и локализация объектов. В метаданных указан набор данных COCO. Модель распространяется по лицензии AGPL-3.0.

Сценарии применения

  • обнаружение объектов на фотографиях
  • поиск кошек и других объектов на изображениях
  • локализация объектов в кадре для компьютерного зрения

Ограничения

Карточка не приводит количественных показателей точности или скорости. Для коммерческого и иного распространения следует учитывать условия лицензии AGPL-3.0.

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/yolov10s')
# 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/yolov10s')
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
9096a24

0 моделей