YOLOv10m 是 YOLOv10 系列中的中等规模模型，面向需要在精度和速度之间取得良好权衡的实际应用场景。相较于 YOLOv10n 和 YOLOv10s，YOLOv10m 拥有更多的网络层与参数，能够更准确地识别小目标和复杂背景中的物体。它采用 anchor-free 检测机制和轻量化的骨干网络设计，同时集成了多尺度特征融合与解耦头结构，有效提升模型的表达能力与检测稳定性。该模型特别适合部署在算力中等的边缘计算平台上，如城市监控、工业质检、智能安防和零售分析等场景。

源模型

• 输入尺寸: 1x3x640x640
• 参数量: 15.81M
• 模型大小: 58.84M
• 输出尺寸：1x300x6

源模型工程请访问：YOLOv10

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md