过去几年中，由于 YOLO 在计算成本和检测性能之间的有效平衡，它已经成为实时目标检测领域的主要范式。然而，YOLO 依赖于非极大值抑制 (NMS) 进行后处理，这阻碍了 YOLO 的端到端部署，并对推理延迟产生了不利影响。
YOLOv10 是由清华大学研究人员基于 Ultralytics Python 包开发的实时目标检测方法， 旨在解决之前 YOLO 版本在后处理和模型架构方面的不足。通过消除非最大抑制 (NMS) 并优化各种模型组件，YOLOv10 在显著降低计算开销的同时实现了最先进的性能。
HyperAI超神经官网现已上线了「YOLOv10 实时端到端目标检测」教程，无需输入任何命令，一键克隆即可立即开启目标检测。
教程地址：
Demo 运行
- 登录 hyper.ai，在「教程」页面，选择「YOLOv10 实时端到端目标检测」，点击「在线运行此教程」。
- 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
- 点击右下角「下一步：选择算力」。
- 页面跳转后，选择「NVIDIA GeForce RTX 4090」，点击「下一步：审核」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！
HyperAI超神经专属邀请链接（直接复制到浏览器打开）：
https://openbayes.com/console/signup?r=6bJ0ljLFsFh_Vvej
- 点击「继续执行」，等待分配资源，首次克隆需等待 2 分钟左右的时间。当状态变为「运行中」后，点击「API 地址」边上的跳转箭头，即可跳转至「YOLOv10 实时端到端目标检测」的页面。请注意，用户需在实名认证后才能使用 API 地址访问功能。
若超过 10 分钟仍处于「正在分配资源」状态，可尝试停止并重启容器；若重启仍无法解决，请在官网联系平台客服。
效果演示
- 打开 YOLOv10 实时端到端目标检测 Demo 页面，上传一张照片，点击 Detect Objects，稍等片刻即可输出结果，可以看到它成功识别出了图中的小猫和小狗。
最后推荐一个线上学术分享活动，感兴趣的小伙伴扫码即可参与！
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。