Yolov10

今天突然发现都出了YOLOv10了，技术真的变更的好快，以下是本人学习的一些小知识。

为了提升性能效率边界，这一次改进的是后处理和模型架构。

在原来，YOLO后处理依赖着非极大值抑制（NMS），性能对NMS的超参数敏感，阻碍了YOLO的端到端部署，产生了一定的推理延迟。

增强特征提取能力可以考虑以下模块：DarkNet、CSPNet、EfficientRep和ELAN等

DarkNet是yolov3里面的backbone，主要是由重复堆叠下采样卷积+n*残差块组成。主要是由cnn卷积核提取特征。

CSPNet的主要目的是使该体系结构能够实现更丰富的梯度组合，同时减少计算量。

增强多尺度特征融合：PAN、BiC、GD和RepGFPN等

模型缩放策略和重新参数化技术