YOLOv10、YOLOv9和YOLOv8：性能对比研究
YOLOv10、YOLOv9和YOLOv8：性能对比研究
在不断发展的计算机视觉领域，目标检测模型不断得到改进和完善。在这篇文章中，比较了三个版本的YOLO模型家族：YOLOv10，YOLOv9和YOLOv8。本研究的重点是评估这些模型的准确性，速度和模型参数的基础上，特别是在目标检测任务的背景下。
模型推理视频
为了说明性能上的差异，对每个模型进行了推理测试并记录了结果。以下是YOLOv8m、YOLOv9c和YOLOv10m的推断结果。
YOLOv8m推理结果
YOLOv9c推理结果
YOLOv10m推断结果
比较结果
为了比较这些模型，使用了YOLOv8m，YOLOv9c，YOLOv10m。比较中型模型的原因是只有YOLOv9c预训练权重可用，该模型的大小与中型YOLOv8和YOLOv10模型相似。
如图所示，YOLOv8m错误地标记了一个对象，而YOLOv9c正确地标记了它。这是一个小错误，通过进一步的训练，模型可能会得到改进。
YOLOv8m检测
YOLOv9c检测
有趣的是，YOLOv10m检测到YOLOv8m错误标记的对象，但其置信度得分通常低于YOLOv9c。
YOLOv10m检测
详细比较
下面是另一组比较结果，突出显示了YOLOv8n、YOLOv8m、YOLOv9c和YOLOv10m的性能。
YOLOv8 n正确检测所有标记的对象
yolov8m正确检测到所有标记的对象
YOLOv9c错误地标记了一个物体，但正确地检测到了另外两个标记的物体
YOLOv10m未能检测到任何标记的对象
结论
训练结果表明，虽然YOLOv10模型的大小比YOLOv8小得多，但它在我的数据集上的准确性明显较低。这些结果可能因所使用的数据集而异。因此，根据您的特定用例对新模型进行基准测试始终至关重要，因为较新的模型并不一定意味着它会更好地满足您的特定需求。
对比表
我注意到的另一件事是，我使用的数据集是不平衡的。当对象实例频繁出现时，YOLOv8、YOLOv9和YOLOv10的精度相似。然而，对于罕见的对象（如我的数据集中的货车和卡车），与版本8和9相比，YOLOv10的准确性显着下降。
通过分享这些结果，希望为不同YOLO模型的性能提供有价值的见解，并强调根据特定用例定制模型选择的重要性。一如既往，持续的基准测试和测试是在任何机器学习项目中取得最佳结果的关键。
数据集：
Kaggle数据集
https://www.kaggle.com/datasets/javiersanchezsoriano/roundabout-aerial-images-for-vehicle-detection/code