YOLOAir:集成多种YOLO改进模块,面向小白科研的YOLO检测代码库
关注并星标
从此不迷路
计算机视觉研究院
公众号ID | ComputerVisionGzq
学习群 | 扫码在主页获取加入方式
计算机视觉研究院专栏
作者:Edison_G
YOLOAir 算法代码库是一个基于 PyTorch 的 YOLO 系列目标检测开源工具箱。使用统一模型代码框架、统一应用方式、统一调参,该库包含大量的改进模块,可使用不同网络模块来快速构建不同网络的检测模型。基于 YOLOv5 代码框架,并同步适配 YOLOv5(v6.0/v6.1 更新) 部署生态。用户在使用这个项目之前, 可以先了解 YOLOv5 库。
让改进YOLO结构更快、更方便。
该项目包含大量的改进方式,改进点包含 Backbone、Neck、Head、注意力机制、IoU 损失函数、多种 NMS、Loss 损失函数、自注意力机制系列、数据增强部分、激活函数等部分,更多内容可以关注 YOLOAir 项目的说明文档。
项目同时附带各种改进点原理及对应的代码改进方式教程,用户可根据自身情况快速排列组合,在不同的数据集上实验, 应用组合改进点写论文!
模块组件化:帮助用户自定义快速组合 Backbone、Neck、Head,使得网络模型多样化,使得改进检测算法、工程算法部署落地更便捷,构建更强大的网络模型。
支持YOLOv5、YOLOv7、YOLOX、YOLOR、YOLOv3、YOLOv4、Scaled_YOLOv4、Transformer等算法网络模型进行改进。
项目地址: http://github.com/iscyy/yoloair
项目介绍
-
主要特性
持续支持更多的 YOLO 系列模型模块,作者对可以进行改进的部分进行了分类: 支持更多 Backbone:
-
CSPDarkNet 系列
-
ResNet 系列
-
RegNet 系列
-
RepBlock 系列
-
ShuffleNet 系列
-
Ghost 系列
-
MobileNet 系列
-
ConvNext 系列
-
RepLKNet 系列
-
EfficientNet系列
-
CNN 和 Transformer:BoTNet、CoTNet、Acmix等
-
自注意力机制:Transformer、Swin等
-
支持更多 Neck
-
neck 包含 FPN、PANet、BiFPN 等主流结构,同时可以添加和替换任何模块
-
支持更多检测头 Head
-
YOLOv5 Head 检测头
-
YOLOX 的解耦合检测头 Decoupled Head
-
自适应空间特征融合检测头 ASFF Head
-
YOLOv7 检测头 IDetect Head、IAuxDetect Head 等
-
支持更多即插即用的注意力机制
-
在网络任何部分即插即用式使用注意力机制, 内置多种主流注意力机制
-
Self Attention
-
Contextual Transformer
-
Bottleneck Transformer
-
S2-MLP Attention
-
SK Attention
-
CBAM Attention
-
SE Attention
-
Coordinate attention
-
BAM Attention
-
GAM attention
-
ECA Attention
-
Shuffle Attention
-
DANet Attention
-
持续更新中
-
支持更多损失函数
-
内置CIoU、DIoU、GIoU、EIoU、SIoU、alpha IOU 等损失函数,持续更新
支持更多 NMS
-
内置NMS、Merge-NMS、DIoU-NMS、Soft-NMS、CIoU-NMS、DIoU-NMS、GIoU-NMS、EIoU-NMS、SIoU-NMS、Soft-SIoUNMS、Soft-CIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GIoUNMS 等持续更新中
-
支持更多数据增强
-
Mosaic、Copy paste、Random affine(Rotation, Scale, Translation and Shear)、MixUp、Augment HSV(Hue, Saturation, Value,Random horizontal flip)
-
支持更多 Loss
-
ComputeLoss、ComputeNWDLoss、ComputeLoss(X)、ComputeLoss(v6)、ComputeLossAuxOTA(v7)、ComputeLossOTA(v7) 等
-
支持 Anchor-base 检测器和 Anchor-Free 检测器
-
内置多种网络模型模块化组件
-
Conv, GhostConv, Bottleneck, Transformer, Swin Transformer, CoTNet transformer, BoTNet transformer, GhostBottleneck, SPP, SPPF, DWConv, MixConv2d, DWT, BottleneckCSP2, VoVCSP...等详情看项目内容
以上组件模块使用统一模型代码框架、统一任务形式、统一应用方式,模块组件化可以帮助用户自定义快速组合 Backbone、Neck、Head,使得网络模型多样化,助力科研改进检测算法,构建更强大的网络模型。
-
内置改进网络模型配置支持
包括基于 YOLOv5 的几十种改进网络结构等算法模型的 yaml 配置文件汇总,使用 YOLOv5 网络作为示范,可以将这些模块无缝加入到 YOLOv7、YOLOX、YOLOR、YOLOv4、Scaled_YOLOv4、YOLOv3 等系列 YOLO 算法模块。
YOLOAir 算法库汇总了多种主流 YOLO 系列检测模型的模块,一套代码汇集多种模型结构:
-
内置 YOLOv5 模型网络结构
-
内置 YOLOv7 模型网络结构
-
内置 YOLOX 模型网络结构
-
内置 YOLOR 模型网络结构
-
内置 Scaled_YOLOv4 模型网络结构
-
内置 YOLOv4 模型网络结构
-
内置 YOLOv3 模型网络结构
-
TPH-YOLO 模型网络结构
-
YOLOv5Lite 模型网络结构
-
YOLO-FaceV2 模型网络结构
-
PicoDet 模型网络结构
-
以及其他部分改进模型网络结构
以上多种检测算法网络模型使用统一代码框架,集成在 YOLOAir 代码库中,统一应用方式。便于科研者用于论文算法模型改进,模型对比,实现网络组合多样化,包含轻量化模型和精度更高的模型,根据场景合理选择,在精度和速度者两个方面取得平衡。同时该库支持解耦不同的结构和模块组件,让模块组件化,通过组合不同的模块组件,用户可以根据不同数据集或不同业务场景自行定制化构建不同检测模型。
使用
代码遵循 YOLOv5 设计原则,使用方式基本和 YOLOv5 框架对齐。
与 YOLOv5 框架同步。
-
安装
在Python>=3.7.0的环境中克隆版本仓并安装 requirements.txt,包括 PyTorch>=1.7。
$ git clone http://github.com/iscyy/yoloair.git # 克隆$ cd yoloair$ pip install -r requirements.txt # 安装
-
训练
$ python train.py --data coco128.yaml --cfg configs/yolov5/yolov5s.yaml
-
融合
如果使用不同的模型推理数据集,可以使用 wbf 文件通过加权框融合来集成结果。在 wbf 文件中设置 img 路径和 txt 路径。
$ python tools/wbf.py
© THE END
转载请联系本公众号获得授权
计算机视觉研究院学习群等你加入!
我们开创“ 计算机视觉协会 ”知识星球两年有余,也得到很多同学的认可,最近我们又开启了知识星球的运营。 我们 定时会 推送实践型内容与大家分享 ,在星球里的同学可以 随时提问 ,随时提需求,我们都会及时给予回复及给出对应的答复。
ABOUT
计算机视觉研究院
计算机视觉研究院主要涉及深度学习领域,主要致力于人脸检测、人脸识别,多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架,我们这次改革不同点就是,我们要着重”研究“。之后我们会针对相应领域分享实践过程,让大家真正体会摆脱理论的真实场景,培养爱动手编程爱动脑思考的习惯!
VX:2311123606
往期推荐
:link:
- DTG-SSOD:最新半监督检测框架,Dense Teacher(附论文下载)
- YoloX大升级:阿里巴巴提出新框架,超越Yolov6和PPYoloE(附源代码)
- 预处理加速干货:大幅加速数据预处理、轻松定制高性能ML算子
- 目标检测综述:基于至今先进深度学习的目标检测模型综述(附综述论文及代码下载)
- Yolo系列的高效更精确的目标检测框架(附源代码)
- 解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉Transformer
- CVPR2022:将X光图片用于垃圾分割,探索大规模智能垃圾分类
- 秋招之前,这8篇推荐系统的论文一定要读!【附论文资料】
- 人脸技术:不清楚人照片修复成高质量高清晰图像框架(附源代码下载)
- CVPR深度框架训练 | 不是所有数据增强都可以提升最终精度
- 卷上天了!第一位来自中国高校的CV顶会一作
- FastestDet:比yolov5更快!更强!全新设计的超实时Anchor-free目标检测算法(附源代码下载)
- CVPR 2022 | 华为诺亚&北大提出新框架,性能超越Swin Transfomer(源代码下载)
- CVPR小目标检测:上下文和注意力机制提升小目标检测(附论文下载)
- 绝了!“计算机视觉研究院”整理了百余篇CV原创内容(免费干货下载)
- AI助力社会安全,最新视频异常行为检测方法框架
- 新技术:高效的自监督视觉预训练,局部遮挡再也不用担心!
- 端午节也不忘分享目标检测实战!
- CVPR最佳检测:不再是方方正正的目标检测输出(附源码)
- CLCNet:用分类置信网络重新思考集成建模(附源代码下载)