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