YOLO系列的精度、性能（持续更新中，更新YOLOV10）

对比YOLO系列的精度、性能，以各自最小的模型和最大的模型模型为参考，在coco数据集上进行验证，模型输入统一为640。其中AP50-95值越大表示模型表现越好，FLOPs越小表示模型计算复杂度越小，理论上计算速度也会越快，Params越小表示参数量越少，可以在更小缓存的设备上运行。

AP50-95	FLOPs（G）	Params（M）	模型
38.5	6.7	2.3	YOLOv10-N
38.3	7.7	2.0	YOLOv9-T
37.5	11.4	4.7	YOLOv6-N
37.3	8.7	3.2	YOLOv8n
28.0	4.5	1.9	YOLOv5n

AP50-95	FLOPs（G）	Params（M）	模型
55.6	189.0	57.3	YOLOv9-E
54.4	160.4	29.5	YOLOv10-X
53.9	257.8	68.2	YOLOv8x
52.8	150.7	59.6	YOLOv6-L
50.7	205.7	86.7	YOLOv5x

AP50：在IoU（交并比）阈值为0.5时的平均精确度

AP50-95：IoU从0.5至0.95，以0.05为步长增加。计算了十个不同IoU阈值（0.5, 0.55, 0.6, ..., 0.95）下的AP，然后取这些AP的平均值。与如AP50相比，AP50-95提供了在更广泛IoU范围内模型性能的综合评估，从而更全面地反映了模型的整体性能

Params（M）：可学习参数的总数，M表示单位为百万，比如7.2表示科学系参数量为720万

FLOPs（G）：浮点运算次数，衡量模型的计算复杂性。G表示模型的一次推理或一次前向传播过程中的浮点运算次数十亿次，有时也会协作B，是一个意思