目标检测

最近，出现了更新的YOLO模型，还有RT-DETR模型，这是一个声称能击败YOLO模型的变换器模型，我想将这些模型导出并进行比较，并将它们添加到我的库中。 在这篇文章中，我将带你了解如何将这些模型导出到ONNX并运行它们，然后最终比较这些模型的速度。 将RT-DETR模型导出到ONNX这是从模型的GitHub页面获取的模型示例输出为了导出模型，我们需要从模型的GitHub仓库克隆代码（）。

目标检测技术，这一受人类视觉能力启发的计算机视觉技术，已在数字图像和视频领域取得显著进展。 YOLOv10，作为YOLO系列的最新力作，以其卓越的性能和效率，继续在目标检测领域保持领先地位。 本文将探讨YOLOv10的技术特性、架构结构、优势和潜在劣势。

在这篇文章中，我们将探讨如何使用Hugging Face的transformers库来使用零样本目标检测在冰箱图像中识别物体。 这种方法允许我们在不需要针对这些物体进行特定预训练的情况下识别各种物品。 以下是如何工作的代码的逐步指南。

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：[email protected]；[email protected]。

AIxiv专栏是AI在线发布学术、技术内容的栏目。 过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。 如果您有优秀的工作想要分享，欢迎投稿或者联系报道。

相同机能情况下，提早减轻 46%，参数减轻 25%。目标检测系统的标杆 YOLO 系列，再次获得了重磅升级。自今年 2 月 YOLOv9 发布之后， YOLO（You Only Look Once）系列的接力棒传到了清华大学研讨人员的手上。上周末，YOLOv10 推出的消息引发了 AI 界的关注。它被认为是计算机视觉领域的突破性框架，以及时的端到端目标检测威力而闻名，通过提供结合效劳和准确性的强大…