YOLOv10解析

关注

原创 2025-11-05 08:40:14 1.2k 阅读 AI 写同款· GEO 优化 ›

yolov--10--目标检测模型的参数评估指标详解、概念解析 Yolov-1-TX2上用YOLOv3训练自己数据集的流程(VOC2007-TX2-GPU) Yolov--2--一文全面了解深度学习性能优化加速引擎---TensorRT Yolov--3--TensorRT中yolov3性能优化加速（基于caffe） yolov-5-目标检测：YOLOv2算法原理详解 yolov--8--Tensorflow实现YOLO v3 yolov--9--Y... 阅读详情

参考博文：

1、https://blog.youkuaiyun.com/m0_61356167/article/details/142092402

2、https://cloud.tencent.com/developer/article/2426044

3、https://blog.youkuaiyun.com/gitblog_00016/article/details/151286753

4、https://zhuanlan.zhihu.com/p/703887701（画的图特别好）

论文： https://arxiv.org/pdf/2405.14458

代码： GitHub - THU-MIG/yolov10: YOLOv10: Real-Time End-to-End Object Detection

1.概述

YOLOv10 是由清华大学研究团队于2024年在 YOLOv9 之后推出的最新实时目标检测模型。它并非YOLO官方团队（Ultralytics）的发布，但在设计和理念上带来了多项重要改进，旨在不增加推理成本的情况下提升性能。

以下是YOLOv10的整体架构图：

2.改进之处

2.1 核心架构改进：消除后处理瓶颈

YOLOv10 的一个革命性改进是无需非极大值抑制（NMS）。传统的 YOLO 模型在推理时需要依赖 NMS 来去除冗余的检测框，但这带来了额外的计算开销和延迟。

YOLOv10 通过两种策略解决了这个问题：

一致性双重分配训练
- 问题：传统YOLO在训练时，一个目标通常分配给一个Anchor进行正样本学习，但在推理时，NMS却要处理多个Anchor预测的同一个目标，造成了训练和推理的不一致。
- 解决方案：YOLOv10 在训练阶段，同时使用一对一（每个目标只匹配一个最佳Anchor）和一对多（每个目标匹配多个Anchor）两种标签分配策略。
- 好处：
  - 一对一分支：学习做出果断、精确的预测，直接用于推理，从而摆脱对NMS的依赖。
  - 一对多分支：提供丰富的监督信号，帮助模型学习更全面的特征，提升性能。
- 结果：在推理时，只需使用“一对一”分支，即可获得高质量、无冗余的预测框，实现了端到端的实时目标检测，显著降低了延迟。
** holistic（整体）模型设计**对模型的各个组件进行了效率和精度的整体优化：
- 轻量级分类头：发现分类分支的计算成本远高于回归分支。因此，YOLOv10 使用了更浅、更窄的分类头，在几乎不影响精度的情况下减少了大量计算。
- 空间-通道解耦下采样：传统下采样（如卷积）会同时压缩空间维度和变换通道维度，容易导致信息丢失。YOLOv10 将这个过程解耦，先进行点式卷积保持通道数并进行空间下采样，再用 1x1 卷积进行通道变换，更好地保留了信息。
- 等级引导块设计：在构建特征金字塔网络时，不是简单地将不同尺度的特征图相加，而是引入了一种更精细的机制，根据输入特征的等级（信息层次） 来引导融合，提升了多尺度特征的表示能力。

2.2 增强特征集成与模型缩放

大核卷积
- 在主干网络的深层，使用了 7x7 的大核深度卷积。
- 好处：扩大了感受野，能更好地捕捉图像中更大范围的上下文信息，这对于检测大型物体尤其有利，同时保持了深度卷积的计算效率。
部分自注意力模块
- 在 backbone 的末端引入了 PSA 模块。
- 好处：自注意力机制能有效建模全局依赖关系，但计算量巨大。YOLOv10 巧妙地将其放在深层且经过下采样的特征图上，并采用部分机制，在引入全局信息的同时，控制了计算成本，提升了模型对复杂场景和物体关系的理解能力。
先进的模型缩放策略
- 基于 YOLOv9 的广义高效层聚合网络（GELAN），YOLOv10 提出了一种模型缩放策略，可以生成一系列不同尺寸的模型（N, S, M, B, L, X）。
- 这种策略能够更均衡地调整模型的深度、宽度和比例，确保在参数量、计算量和精度之间达到最佳平衡。

2.3 总结与对比

改进方面	传统 YOLO (如 v8)	YOLOv10	带来的好处
后处理	依赖 NMS	NMS-Free（端到端）	降低延迟，简化部署
训练策略	一对一或一对多	一致性双重分配	训练与推理一致，性能更优
分类头	与回归头对称	轻量级分类头	减少计算量，提升效率
下采样	标准卷积	空间-通道解耦下采样	保留更多信息，提升精度
特征融合	常规FPN/PAN	等级引导块设计	更高效的多尺度特征融合
主干网络	标准CSP/ELAN	大核卷积 + 部分自注意力	更大感受野，全局上下文建模
模型系列	基于深度/宽度缩放	先进的模型缩放	不同尺寸模型性能更均衡

2.4 YOLOv10和YOLOv8结构比较图

注明：图片来自知乎算法小乔，图画的真好

(1) YOLOv8网络结构

（2）YOLOv10网络结构

3.改进介绍

3.1C2fUIB介绍

1. C2fUIB只是用CIB结构替换了YOLOv8中 C2f的Bottleneck结构

`2.CIB` 则是将 `Bottleneck` 中的标准卷积用深度卷积加逐点卷积进行替换。

3x3卷积为深度卷积，1x1为逐点卷积

实现代码ultralytics/nn/modules/block.py

class CIB(nn.Module):
    """Standard bottleneck."""

    def __init__(self, c1, c2, shortcut=True, e=0.5, lk=False):
        """Initializes a bottleneck module with given input/output channels, shortcut option, group, kernels, and
        expansion.
        """
        super().__init__()
        c_ = int(c2 * e)  # hidden channels
        self.cv1 = nn.Sequential(
            Conv(c1, c1, 3, g=c1),
            Conv(c1, 2 * c_, 1),
            Conv(2 * c_, 2 * c_, 3, g=2 * c_) if not lk else RepVGGDW(2 * c_),
            Conv(2 * c_, c2, 1),
            Conv(c2, c2, 3, g=c2),
        )

        self.add = shortcut and c1 == c2

    def forward(self, x):
        """'forward()' applies the YOLO FPN to input data."""
        return x + self.cv1(x) if self.add else self.cv1(x)

class C2fCIB(C2f):
    """Faster Implementation of CSP Bottleneck with 2 convolutions."""

    def __init__(self, c1, c2, n=1, shortcut=False, lk=False, g=1, e=0.5):
        """Initialize CSP bottleneck layer with two convolutions with arguments ch_in, ch_out, number, shortcut, groups,
        expansion.
        """
        super().__init__(c1, c2, n, shortcut, g, e)
        self.m = nn.ModuleList(CIB(self.c, self.c, shortcut, e=1.0, lk=lk) for _ in range(n))

3.小模型例如yolov10n中，可以把CIB中第二个深层卷积来使用RepVGGDW代替，他有一个77和33卷积深度卷积，他可以扩大感受野，增强模型能力。

class RepVGGDW(torch.nn.Module):
    def __init__(self, ed) -> None:
        super().__init__()
        self.conv = Conv(ed, ed, 7, 1, 3, g=ed, act=False)
        self.conv1 = Conv(ed, ed, 3, 1, 1, g=ed, act=False)
        self.dim = ed
        self.act = nn.SiLU()
    
    def forward(self, x):
        return self.act(self.conv(x) + self.conv1(x))

3.2 PSA介绍（引入部分自注意力）

具体来说，在1×1卷积后将特征均匀地分为两部分，只将一部分输入到由多头自注意力模块（MHSA）和前馈网络（FFN）组成的NPSA块中。然后，两部分通过1×1卷积连接并融合。此外，遵循将查询和键的维度分配为值的一半，并用BatchNorm替换LayerNorm以实现快速推理。

PSA 简化版图示

论文中对这个模块并没有原理上的说明，主要是自注意力的开销比较大，所以设计了 PSA（Partial self-attention）对分辨率最低的特征的一半进行计算，将对于全局的学习能力以较小的计算成本融入 YOLO 中。

Attention 部分的具体计算方式结合下图查看：

实现代码ultralytics/nn/modules/block.py

class Attention(nn.Module):
    def __init__(self, dim, num_heads=8,
                 attn_ratio=0.5):
        super().__init__()
        self.num_heads = num_heads
        self.head_dim = dim // num_heads
        self.key_dim = int(self.head_dim * attn_ratio)
        self.scale = self.key_dim ** -0.5
        nh_kd = nh_kd = self.key_dim * num_heads
        h = dim + nh_kd * 2
        self.qkv = Conv(dim, h, 1, act=False)
        self.proj = Conv(dim, dim, 1, act=False)
        self.pe = Conv(dim, dim, 3, 1, g=dim, act=False)

    def forward(self, x):
        B, _, H, W = x.shape
        N = H * W
        qkv = self.qkv(x)
        q, k, v = qkv.view(B, self.num_heads, -1, N).split([self.key_dim, self.key_dim, self.head_dim], dim=2)

        attn = (
            (q.transpose(-2, -1) @ k) * self.scale
        )
        attn = attn.softmax(dim=-1)
        x = (v @ attn.transpose(-2, -1)).view(B, -1, H, W) + self.pe(v.reshape(B, -1, H, W))
        x = self.proj(x)
        return x

class PSA(nn.Module):

    def __init__(self, c1, c2, e=0.5):
        super().__init__()
        assert(c1 == c2)
        self.c = int(c1 * e)
        self.cv1 = Conv(c1, 2 * self.c, 1, 1)
        self.cv2 = Conv(2 * self.c, c1, 1)
        
        self.attn = Attention(self.c, attn_ratio=0.5, num_heads=self.c // 64)
        self.ffn = nn.Sequential(
            Conv(self.c, self.c*2, 1),
            Conv(self.c*2, self.c, 1, act=False)
        )
        
    def forward(self, x):
        a, b = self.cv1(x).split((self.c, self.c), dim=1)
        b = b + self.attn(b)
        b = b + self.ffn(b)
        return self.cv2(torch.cat((a, b), 1))

3.3 SCDown（空间通道解耦下采样）

与v8中的卷积不同，v8使用一个标准卷积同时实现空间下采样 h , w → h / 2 , w / 2 ，h,w→ h/2, w/2h,w→h/2,w/2 和通道变化 c → 2c ，计算成本高。
SCDown（Spatial-channel decoupled downsampling）将上面两个操作——空间和通道解耦。先通过 1 × 1 的逐点卷积调节通道数，再通过 3 × 3 的深度卷积做空间下采样，在降低计算成本的同时最大限度保留信息。

参数量和计算量计算过程：

v8：

使用一个标准卷积同时实现空间下采样 h , w → h / 2 , w / 2 ，h,w→ h/2, w/2h,w→h/2,w/2 和通道变化 c → 2c

v10：

SCDown：先通过 1 × 1 的逐点卷积调节通道数，再通过 3 × 3 的深度卷积做空间下采样，降低计算成本同时保持竞争力的性能:

总参数量： $CBS+CB=2C^{2}+18C$

总计算量： $CBS+CB=2HWC^{2}+\frac{9}{2}*C*H*W$

实现代码ultralytics/nn/modules/block.py

class SCDown(nn.Module):
    def __init__(self, c1, c2, k, s):
        super().__init__()
        self.cv1 = Conv(c1, c2, 1, 1)
        self.cv2 = Conv(c2, c2, k=k, s=s, g=c2, act=False)

    def forward(self, x):
        return self.cv2(self.cv1(x))

4.代码解析

4.1源码整体架构

YOLOv10作为一款实时端到端目标检测算法，其源码采用了模块化设计，结构清晰，易于扩展。以下是YOLOv10的整体架构图：

YOLOv10的源码主要包含以下几个核心目录：

目录名	主要功能	核心文件
ultralytics/models/yolov10	YOLOv10模型定义	model.py, train.py, predict.py
ultralytics/engine	训练、推理、验证等引擎	trainer.py, predictor.py, validator.py
ultralytics/data	数据加载与预处理	dataset.py, loaders.py, augment.py
ultralytics/nn	神经网络组件	layers.py, loss.py, activations.py
ultralytics/utils	工具函数	general.py, metrics.py, plotting.py
ultralytics/cfg	配置文件	default.yaml, models/

4.2 核心模块详细解析

1. 模型模块 (models/yolov10)

该模块包含了YOLOv10模型的核心定义，是二次开发中最常需要修改的部分。

model.py

class YOLOv10:
    def __init__(self, model="yolov10n.pt", task=None, verbose=False, names=None):
        """初始化YOLOv10模型"""
        # 模型初始化代码
        
    def train(self, **kwargs):
        """训练模型"""
        # 训练逻辑代码
        
    def predict(self, source, **kwargs):
        """推理预测"""
        # 推理逻辑代码
        
    def val(self, **kwargs):
        """验证模型"""
        # 验证逻辑代码
        
    def export(self, **kwargs):
        """导出模型"""
        # 模型导出代码

train.py

该文件包含了YOLOv10的训练逻辑，关键函数有：

def get_validator(self):
    """获取验证器"""
    # 代码实现
    
def get_model(self, cfg=None, weights=None, verbose=True):
    """获取模型"""
    # 代码实现

predict.py

该文件包含了推理预测相关的代码，核心函数为：

def postprocess(self, preds, img, orig_imgs):
    """后处理预测结果"""
    # 代码实现

2. 引擎模块 (engine)

引擎模块是YOLOv10的核心驱动部分，负责协调各个组件完成训练、推理等任务。

trainer.py

训练引擎的核心类，负责整个训练过程的调度：

class Trainer:
    def __init__(self, cfg=DEFAULT_CFG, overrides=None, _callbacks=None):
        """初始化训练器"""
        # 初始化代码
        
    def train(self):
        """开始训练"""
        # 训练主逻辑
        
    def setup_model(self):
        """设置模型"""
        # 模型设置代码
        
    def get_dataloader(self, dataset_path, batch_size=16, rank=0, mode="train"):
        """获取数据加载器"""
        # 数据加载器代码
        
    def validate(self):
        """验证模型"""
        # 验证代码

predictor.py

推理预测引擎，负责处理输入数据并生成预测结果：

class Predictor:
    def __init__(self, cfg=DEFAULT_CFG, overrides=None, _callbacks=None):
        """初始化预测器"""
        # 初始化代码
        
    def preprocess(self, im):
        """预处理输入图像"""
        # 预处理代码
        
    def inference(self, im, *args, **kwargs):
        """执行推理"""
        # 推理代码
        
    def postprocess(self, preds, img, orig_imgs):
        """后处理预测结果"""
        # 后处理代码

validator.py

验证引擎，用于评估模型性能：

class Validator:
    def __init__(self, dataloader=None, save_dir=None, pbar=None, args=None, _callbacks=None):
        """初始化验证器"""
        # 初始化代码
        
    def __call__(self, trainer=None, model=None):
        """执行验证"""
        # 验证代码
        
    def update_metrics(self, preds, batch):
        """更新评估指标"""
        # 指标更新代码
        
    def finalize_metrics(self, *args, **kwargs):
        """最终化评估指标"""
        # 指标计算代码

3. 数据处理模块 (data)

数据处理模块负责数据的加载、增强和预处理，为模型训练和推理提供高质量的数据。

dataset.py

定义了数据集类，负责数据的加载和预处理：

class YOLODataset:
    def __init__(self, img_path, imgsz=640, cache=False, augment=True, hyp=DEFAULT_CFG, prefix="", rect=False, batch_size=16, stride=32, pad=0.5, single_cls=False, classes=None, fraction=1.0):
        """初始化数据集"""
        # 初始化代码
        
    def __getitem__(self, index):
        """获取数据项"""
        # 获取数据代码
        
    def __len__(self):
        """获取数据集大小"""
        # 返回数据集大小

augment.py

提供了丰富的数据增强方法：

class Albumentations:
    def __init__(self) -> None:
        """初始化数据增强器"""
        # 初始化代码
        
    def __call__(self, labels):
        """应用数据增强"""
        # 数据增强代码
        
class MixUp:
    def __init__(self, dataset, pre_transform=None, p=0.0) -> None:
        """初始化MixUp增强器"""
        # 初始化代码
        
    def __call__(self, labels):
        """应用MixUp增强"""
        # MixUp代码

4. 神经网络模块 (nn)

神经网络模块包含了YOLOv10的网络结构定义，包括各种层、块和损失函数。

blocks.py

定义了YOLOv10中使用的各种网络块：

class CSPDarknetBlock(nn.Module):
    def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):
        """初始化CSPDarknet块"""
        # 初始化代码
        
    def forward(self, x):
        """前向传播"""
        # 前向传播代码
        
class SPPF(nn.Module):
    def __init__(self, c1, c2, k=5):
        """初始化SPPF块"""
        # 初始化代码
        
    def forward(self, x):
        """前向传播"""
        # 前向传播代码

head.py

定义了YOLOv10的检测头：

class Detect(nn.Module):
    def __init__(self, nc=80, ch=()):
        """初始化检测头"""
        # 初始化代码
        
    def forward(self, x):
        """前向传播"""
        # 前向传播代码

loss.py

定义了YOLOv10的损失函数：

class ComputeLoss:
    def __init__(self, model, tal_topk=10):
        """初始化损失计算器"""
        # 初始化代码
        
    def __call__(self, preds, batch):
        """计算损失"""
        # 损失计算代码

5. 工具函数模块 (utils)

工具函数模块提供了各种辅助功能，包括指标计算、可视化、文件操作等。

metrics.py

提供了各种评估指标的计算方法：

def bbox_iou(box1, box2, xywh=True, GIoU=False, DIoU=False, CIoU=False, eps=1e-7):
    """计算边界框IOU"""
    # IOU计算代码
    
def ap_per_class(tp, conf, pred_cls, target_cls, plot=False, on_plot=None, save_dir=Path(), names=(), eps=1e-16, prefix=""):
    """计算每个类别的AP"""
    # AP计算代码

plotting.py

提供了可视化功能：

def plot_images(images, batch_idx, cls, bboxes=np.zeros(0, dtype=np.float32), confs=None, masks=np.zeros(0, dtype=np.uint8), kpts=np.zeros((0, 51), dtype=np.float32), paths=None, fname="images.jpg", names=None, on_plot=None, max_subplots=16, save=True, conf_thres=0.25):
    """绘制图像及预测结果"""
    # 绘图代码
    
def plot_results(file="path/to/results.csv", dir="", segment=False, pose=False, classify=False, on_plot=None):
    """绘制训练结果"""
    # 绘图代码

4.3 核心模块交互流程

训练流程

推理流程

5. 二次开发实战示例

示例1：修改损失函数

要修改YOLOv10的损失函数，可以按照以下步骤进行：

1. 在ultralytics/nn/loss.py中定义新的损失类：

class NewComputeLoss:
    def __init__(self, model):
        """初始化新的损失计算器"""
        # 初始化代码
        
    def __call__(self, preds, batch):
        """计算新的损失"""
        # 新的损失计算逻辑

2.在训练器中使用新的损失函数：

# 在trainer.py中
from ultralytics.nn.loss import NewComputeLoss
 
class Trainer:
    def __init__(self, cfg=DEFAULT_CFG, overrides=None, _callbacks=None):
        # ... 其他初始化代码
        self.loss_fn = NewComputeLoss(self.model)

示例2：添加新的数据增强方法

要添加新的数据增强方法，可以在ultralytics/data/augment.py中添加：

class NewAugmentation:
    def __init__(self, p=0.5):
        """初始化新的数据增强器"""
        self.p = p
        
    def __call__(self, labels):
        """应用新的数据增强"""
        if random.random() < self.p:
            # 新的数据增强逻辑
        return labels

然后在数据集类中使用新的增强方法：

class YOLODataset:
    def __init__(self, img_path, imgsz=640, cache=False, augment=True, hyp=DEFAULT_CFG, prefix="", rect=False, batch_size=16, stride=32, pad=0.5, single_cls=False, classes=None, fraction=1.0):
        # ... 其他初始化代码
        self.augmentations = Albumentations()
        self.augmentations.append(NewAugmentation(p=0.5))