小目标检测：基于YOLO的模型版本与硬件性能分析
计算机视觉与模式识别
2025-04-15 v1
摘要
本文对YOLO目标检测模型(v5, v8, v9, v10, v11)进行了广泛评估，通过比较其在各种硬件平台和优化库中的性能。我们的研究调查了在Intel和AMD CPU上使用ONNX和OpenVINO等流行库，以及在GPU上通过TensorRT和其他GPU优化框架中的推理速度和检测准确率。此外，我们分析了这些YOLO模型对图像中目标大小的敏感性，检验检测占总体图像面积的1%、2.5%和5%的目标的性能。通过识别效率、准确率和目标大小适应性之间的权衡，本文为基于特定硬件约束和检测需求的最佳模型选择提供了见解，帮助实践者有效地在现实应用中部署YOLO模型。
引用
@article{arxiv.2504.09900,
title = {Small Object Detection with YOLO: A Performance Analysis Across Model Versions and Hardware},
author = {Muhammad Fasih Tariq and Muhammad Azeem Javed},
journal= {arXiv preprint arXiv:2504.09900},
year = {2025}
}