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。

目前，「YOLOv10 实时端到端目标检测」已上线至 OpenBayes 公共教程中，无需输入任何命令，一键克隆即可立即开启目标检测。

公共教程地址：

https://go.openbayes.com/3zZCf

操作步骤

01

Demo 运行阶段

1. 登录 OpenBayes.com，在「公共教程」页面，选择「YOLOv10 实时端到端目标检测」。

2. 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。

3. 点击右下角「下一步：选择算力」。

4. 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！

小贝总专属邀请链接（直接复制到浏览器打开）：

https://go.openbayes.com/9S6Dr

5. 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。

02

效果演示阶段

1. 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。

新用户福利

* 注册福利：点击下方邀请链接注册，即可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费算力时长，永久有效！ 

小贝总专属邀请链接（直接复制到浏览器打开）：

https://go.openbayes.com/9S6Dr

* 活动福利：参与第二期创作者激励计划，即可赢得现金奖励！