library_name: transformers.js pipeline_tag: object-detection license: agpl-3.0

YOLOv10：实时端到端目标检测

适用于 https://github.com/THU-MIG/yolov10 的ONNX权重。

延迟与精度权衡	尺寸与精度权衡

使用方法（Transformers.js）

如果尚未安装，可以通过NPM安装Transformers.js JavaScript库：

npm i @xenova/transformers

示例： 执行目标检测。

import { AutoModel, AutoProcessor, RawImage } from '@xenova/transformers';

// 加载模型
const model = await AutoModel.from_pretrained('onnx-community/yolov10s', {
    // quantized: false,    // （可选）使用非量化版本。
})

// 加载处理器
const processor = await AutoProcessor.from_pretrained('onnx-community/yolov10s');

// 读取图像并运行处理器
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/city-streets.jpg';
const image = await RawImage.read(url);
const { pixel_values, reshaped_input_sizes } = await processor(image);

// 运行目标检测
const { output0 } = await model({ images: pixel_values });
const predictions = output0.tolist()[0];

const threshold = 0.5;
const [newHeight, newWidth] = reshaped_input_sizes[0]; // 调整后的高度和宽度
const [xs, ys] = [image.width / newWidth, image.height / newHeight]; // x和y的缩放比例
for (const [xmin, ymin, xmax, ymax, score, id] of predictions) {
    if (score < threshold) continue;

    // 转换为原始图像坐标
    const bbox = [xmin * xs, ymin * ys, xmax * xs, ymax * ys].map(x => x.toFixed(2)).join(', ');
    console.log(`在[${bbox}]处发现"${model.config.id2label[id]}"，置信度为${score.toFixed(2)}。`);
}
// 在[559.30, 472.72, 799.58, 598.15]处发现"car"，置信度为0.95。
// 在[221.91, 422.56, 498.09, 521.85]处发现"car"，置信度为0.94。
// 在[1.59, 646.99, 137.72, 730.35]处发现"bicycle"，置信度为0.92。
// 在[561.25, 593.65, 695.01, 671.73]处发现"bicycle"，置信度为0.91。
// 在[687.74, 324.93, 739.70, 415.04]处发现"person"，置信度为0.89。
// ...