ホーム>プログラミング関連>パイソン
ダウンロード

Yolov5、Yolov7、Yolov8モデル2024/フルシリーズ/最新/改善方法チュートリアル（ソースコードを含む）

マンゴーブックシリーズの改善コラムの改善された記事

列アドレス：ネットワーク全体の排他的な最初の列「Mango Yolov8詳細改善チュートリアル」？

列アドレス：ネットワーク全体の排他的な最初の列「Mango Yolov5詳細改善チュートリアル」？

列アドレス：ネットワーク全体の排他的な最初の列「Mango Yolov7詳細改善チュートリアル」？

新しいUltralyticsProプロジェクトが来ています

プロジェクトアドレス：https：//github.com/iscyy/ultralyticspro

Yolov8の改善に焦点を当て、Pytorch>の新しい-Yolov8、バックボーン、ネック、ヘッド、損失、Iou、LA、NMS、およびその他のモジュールを改善するためのサポートにより、Yolov8の改善が再び簡単になります

？新しいYolov8改善プロジェクトUltralyticsProが来ています、最新の改善点は2024年に更新されます

1. Yolov8無料コンテンツの改善<br>このプロジェクトは、無料の改善点を引き続き更新します。これは毎週更新されます

3.22更新：注意メカニズム：Ultralytics/CFG/Models/CFG2024/Yolov8-Attention

GAMの注意メカニズム、
SA注意メカニズム、
Simam Attentionメカニズム、
SK注意メカニズム、
ソカの注意メカニズム、
CBAM注意メカニズム、

3.23更新：ピラミッド構造：Ultralytics/CFG/Models/CFG2024/Yolov8-Pyramid構造の改善

sppelan、
simsppf、
basicrfb、
ASPP、
sppfcspc

更新については、https：//github.com/iscyy/ultralyticsproをクリックしてください

？新しいYoloair2024バージョンが来ています、最新の改善点は2024年に更新されます

Yolov5プロジェクトの更新

2024.03

追加のディスサンプルアップサンプリング改善点：ICCV2023論文：Dysample Upsamplingの改善

Yolo Air：再び改善を簡単にします



Yoloairは、Pytorchに基づくYoloアルゴリズムライブラリです。モデルコードフレームワーク、統一アプリケーション、統一された改善、簡単なモジュールの組み合わせを統合し、より強力なネットワークモデルを構築します。

単純化された中国人|英語

サポート

機能•使用しますか？ • 書類？ •問題を報告しますか？ • アップデート？ •Discussionoury法
•ヨーロ改善方法と参照•

導入

モデルの多様化：さまざまな検出ネットワークモデルが、異なるネットワークモジュールに基づいて構築されています。

モジュラーコンポーネント化：ユーザーがバックボーン、ネック、ヘッドをカスタマイズして迅速に組み合わせ、ネットワークモデルの多様化、科学研究の改善検出アルゴリズム、モデルの改善、ネットワーク配置の組み合わせを支援します。強力なネットワークモデルを構築します。

モデルコードフレームワーク、統一されたアプリケーションメソッド、統一されたパラメーター調整、統合改善、統合マルチタスク、簡単なモジュールの組み合わせ、およびより強力なネットワークモデルの構築を統合します。

Yolov5、Yolov7、Yolov6、Yolox、Yolor、Transformer、PP-Yolo、PP-Yolov2、PP-Yoloe、PP-Yoloeplus、Scaled_Yolov4、Yolov3、Yolov4、Yolo-Face、Tph-Yolo、Yolov5lite、Spddyolo、Spddyolo、Scaled_yolov4、Scaled_yolov4などの組み込みの統合モデルネットワーク構造構造Picodetおよびその他のモデル... Yoloairライブラリに統合された統合されたモデルコードフレームワーク、および統合アプリケーション方法を使用して、さまざまな検出アルゴリズムと関連するマルチタスクモデルを統合します。科学研究者が紙アルゴリズムモデルを改善し、モデルを比較し、ネットワークの組み合わせの多様化を実現することは便利です。これには、軽量モデルと高精度モデルが含まれており、正確性と速度のバランスをとるためにシーンに従って合理的に選択します。同時に、ライブラリはさまざまな構造とモジュールコンポーネントの分離をサポートして、モジュールコンポーネントを作成します。さまざまなモジュールコンポーネントを組み合わせることにより、ユーザーは、異なるデータセットまたは異なるビジネスシナリオに基づいて、異なる検出モデルをカスタマイズおよび構築できます。

オブジェクトの検出、インスタンスセグメンテーション、画像分類、ポーズ推定、顔検出、ターゲット追跡、その他のタスクなど、統合されたマルチタスクをサポートします

星？また、フォークは迷子にならず、同時に更新されます。

プロジェクトアドレス？：https：//github.com/iscyy/yoloair

いくつかの改善手順チュートリアル？：https：//github.com/iscyy/yoloair/wiki/improved-tutorial-presentation

？ベータはアップデートをサポートしました

Yoloair-Betaバージョンの内部テストのために、次の機能がサポートされています

  • 他の機能？

？やる

  • オブジェクトの検出、分類、セグメンテーション、ポーズ推定、顔検出、ターゲット追跡、その他のタスクなど、マルチタスクをサポートします

主な機能

Yoloシリーズアルゴリズムモデルのさらに改善をサポートします（継続的に更新されました...）

Yoloairアルゴリズムライブラリは、さまざまな主流のYoloシリーズ検出モデルを要約しており、一連のコードが複数のモデルを統合します。

  • 組み込みの統合Yolov5モデルネットワーク構造、Yolov7モデルネットワーク構造、Yolov6モデルネットワーク構造、PP-Yoloeモデルネットワーク構造、PP-Yoloeplusモデルネットワーク構造、Yolorモデルネットワーク構造、Yoloxモデルネットワーク構造、Scaledy Network構造、Yolov4モデルネットワーク構造、Yolo-Facev2モデルネットワーク構造、Yolo-Facev2モデルネットワーク構造、Yolo-Facev2モデルネットワーク構造、Yolo-Facev2モデルネットワーク構造、Yolo-Facev2モデル構造、構造、Slimneck-Yoloモデルネットワーク構造、Yolov5-Liteモデルネットワーク構造、Picodetモデルネットワーク構造などは常に更新されています...

より多くのネットワークモデルコンポーネントをサポートします

  • テーブルとして
Yoloair構造モジュールコンポーネント
バックボーン首頭
  • cspdarknetシリーズ
  • ホーネットシリーズ
  • ResNetシリーズ
  • Regnetシリーズ
  • Shufflenetシリーズ
  • ReplKnetシリーズ
  • Mobilenetシリーズ
  • EfficientNetシリーズ
  • Convnextシリーズ
  • ゴーストシリーズ
  • repvggシリーズ
  • トランスシリーズ
  • パネット
  • レパン
  • bifpn
  • csppan
  • スリムネック
  • elanpan
  • gsneck
  • yolov4head
  • yolov5head
  • Yolov6効率的な分離ヘッド
  • yolov7 idetectヘッド
  • yolov7 iauxdetectヘッド
  • Yolox detectxヘッド
  • 適応空間特徴融合検出ヘッドASFFヘッド
  • Yolor暗黙の学習ヘッド
  • ええヘッド
  • 二重重み付けヘッド
  • FCOSヘッド
  • ダイナミックヘッド
    • ...
Yoloairモジュールコンポーネント
注意メカニズムタグ割り当て戦略iou損失関数
  • 自己注意
  • コンテキストトランス
  • ボトルネックトランス
  • S2-MLPの注意
  • AxialAttention
  • ダネ
  • 二重測定
  • GlobalContextBlock
  • パルネタテンション
  • 二極自己攻撃
  • SpatialGroupEnhanceコピー
  • トリプルトラット
  • SKの注意
  • CBAMの注意
  • 注意
  • 注意を合わせます
  • ナムの注意
  • GAMの注意
  • ECAの注意
  • 注意をシャッフル
  • Crisscrossattention
  • Socattention
  • Simamの注意
  • Crisscrossattention
  • マルチアンカー戦略
  • Yolov5タグ割り当てポリシー
  • Simotaタグ割り当てポリシー
  • Yolov7タグ割り当て戦略
  • FreeanChorタグ割り当てポリシー
  • AutoAssignタグ割り当てポリシー
  • デュアル重み付けタグ割り当てポリシー
  • 確率的アンカー割り当てアンカー割り当て
  • その他の改善されたタグ割り当て戦略
  • ciou
  • diou
  • giou
  • eiou
  • siou
  • アルファiou
    • ...
モジュールコンポーネント
損失nmsデータ強化
  • ComputEloss（V3）
  • ComputEloss（V4）
  • ComputEloss（V5）
  • ComputEloss（V6）
  • ComputEloss（x）
  • Computelossauxota（V7）
  • ComputELOSSOTA（V7）
  • nms
  • merge-nms
  • ソフトnms
  • ciou_nms
  • diou_nms
  • giou_nms
  • eiou_nms
  • siou_nms
  • soft-siounms
  • ソフトciounms
  • ソフトドイーン
  • soft-eiounms
  • ソフトジーン
  • simsppf
  • simsppf
  • simsppf
  • モザイク
  • ペーストをコピーします
  • ランダムアフィン（回転、スケール、翻訳、せん断）
  • 混合
  • HSV
  • ランダムな水平フリップ
    • ...
Yoloairモジュールコンポーネント
スペースピラミッドプーリング構造モジュラーコンポーネントアンカーベース /アンカーフリー
  • spp
  • sppf
  • ASPP
  • RFB
  • sppcspc
  • sppfcspc
  • simsppf
  • Conv、GhostConv、Bottleneck、GhostBottleNeck、SPP、SPPF、DWCONV、MIXCONV2D、FOCUS、CrossConv、BottleneckCSP、C3、C3TR、C3SPP、C3HOST、C3HB、C3RFEM、Multiseam、Seam、C3STR、SPPCSPC、REPCONV、BOT3、CBAM、CBAM、cbam、cbam、cbam、cbam、cbam、cbam、cbam、botcspcspcs Rescspc、Rescspb、resxcspb、resxcspc、bottleneckcspb、bottleneckcspc、aspp、basicrfb、sppcspc_group、horblock、cneb、c3gc、c3c2、nn.convtranspose2d、dwconvblock、repvggblock、cot3、repvggblock、repvggblock、cot3、repvggblock、 downc、bottleneckcspf、repvggblock、reorg、dwt、mobileone、hornet ...
  • Yolov5、Yolov7、Yolov3、Yolov4、Yolor、Scaledyolov4、Ppyolo、ppyolov2、改善ヨロフ、改善ヨロフ7
  • Yolox、Yolov6（論文）、ppyoloe、ppyoloe+
    • ...

より多くのバックボーンをサポートします

  • cspdarknetシリーズ
  • ホーネットシリーズ
  • ResNetシリーズ
  • Regnetシリーズ
  • Shufflenetシリーズ
  • ゴーストシリーズ
  • Mobilenetシリーズ
  • EfficientNetシリーズ
  • Convnextシリーズ
  • ReplKnetシリーズ
  • 修復シリーズ
  • repvggシリーズ
  • repmlpシリーズ
  • Acnetシリーズ
  • repconvシリーズ
  • OREPAシリーズ
  • MobileOneシリーズ
  • 自己関節変圧器シリーズ
  • MobileVitシリーズ
  • Botnet-Transfomrer
  • cotnet-transfomrer
  • SWIN-TRANSFOMRER
  • Swin-Transfomrer（V2）
  • 他のトランスシリーズは継続的に更新されていますか？注：（Yoloair（Beta）は、20+変圧器シリーズのバックボーンネットワーク、複数のMLPネットワーク、およびほとんどのリダメーター化された構造モデルネットワークの更新を完了しました）

より多くの首をサポートします

  • fpn
  • パネット
  • レパン
  • bifpn
  • csppan
  • スリムネック
  • elanpan
    継続的に更新されましたか？

より多くの検出ヘッドをサポートします

  • Yolov4、Yolov5ヘッド検出ヘッド。

  • ヨラーは、ヘッド検出ヘッドを暗黙的に学習します。

  • Yoloxの分離された検出ヘッドは頭とDetectxヘッドを分離します。

  • 適応空間特徴融合検出ヘッドASFFヘッド。

  • Yolov6-V2.0効率的な分離ヘッド。

  • Yolov7検出ヘッドIauxdetectヘッド、Idetectヘッドなど。

  • 他の異なる検出ヘッド

より多くのプラグアンドプレイの注意メカニズムの注意をサポートします

  • ネットワークの任意の部分で注意メカニズムをプラグアンドプレイする

  • 自己注意

  • コンテキストトランス

  • ボトルネックトランス

  • S2-MLPの注意

  • SKの注意

  • CBAMの注意

  • 注意

  • 注意を合わせます

  • ナムの注意

  • GAMの注意

  • ECAの注意

  • 注意をシャッフル

  • Crisscrossattention

  • 注意を合わせます

  • Socattention

  • Simamの注意は継続的に更新されていますか？

  • ビッグニュース！ ！ ！オープンソースプロジェクトのサプリメントとして、注意アルゴリズムコードライブラリの外部出席をお勧めします。さまざまな注意やその他のコードを含む包括的な方法で要約および編成されています。コードはシンプルで読みやすく、1つのコードが注意メカニズムを実装しています。

より多くのスペースピラミッドプーリング構造

  • spp
  • sppf
  • ASPP
  • RFB
  • sppcspc
  • sppfcspc
  • SIMSPPFは継続的に更新されていますか？

より多くの損失をサポートします

  • ComputEloss
  • ComputEloss（V5）
  • ComputEloss（V6）
  • ComputEloss（x）
  • Computelossauxota（V7）
  • ComputELOSSOTA（V7）
  • ComputenWdloss
  • その他の損失

アンカーベースとアンカーフリーをサポートします

  • ？ Yolov5、Yolov7、Yolov3、Yolov4、Yolor、Scaledyolov4、Ppyolo、ppyolov2、改善ヨロフ、改善ヨロフ7

  • ？ Yolox、Yolov6（論文）、ppyoloe、ppyoloe+

複数のタグ割り当て戦略をサポートします

  • マルチアンカー戦略
  • Yolov5タグ割り当てポリシー
  • Simotaタグ割り当てポリシー
  • Yolov7タグ割り当て戦略
  • AutoAssignタグ割り当てポリシー？
  • デュアル重み付けタグ割り当てポリシー？
  • Freeanchorタグ割り当てポリシー？
  • 他の改善されたタグ割り当て戦略は継続的に更新されていますか？

サポート加重ボックスフュージョン（WBF）

ネットワークモデルの複数のモジュラーコンポーネントを組み込み
Conv、GhostConv、Bottleneck、GhostBottleNeck、SPP、SPPF、DWCONV、MIXCONV2D、FOCUS、CrossConv、BottleneckCSP、C3、C3TR、C3SPP、C3HOST、C3HB、C3RFEM、Multiseam、Seam、C3STR、SPPCSPC、REPCONV、BOT3、CBAM、CBAM、cbam、cbam、cbam、cbam、cbam、cbam、cbam、botcspcspcs Rescspc、Rescspb、resxcspb、resxcspc、bottleneckcspb、bottleneckcspc、aspp、basicrfb、sppcspc_group、horblock、cneb、c3gc、c3c2、nn.convtranspose2d、dwconvblock、repvggblock、cot3、repvggblock、repvggblock、cot3、repvggblock、 downc、bottleneckcspf、repvggblock、reorg、dwt、mobileone、hornet ...およびその他の詳細なコード。/models/common.pyファイル

より多くのIOU損失関数をサポートします

  • ciou
  • diou
  • giou
  • eiou
  • siou
  • アルファiou
    継続的に更新されましたか？

より多くのNMSをサポートします

  • nms
  • merge-nms
  • ソフトnms
  • ciou_nms
  • diou_nms
  • giou_nms
  • eiou_nms
  • siou_nms
  • ソフトシオウンス、ソフトコーン、ソフトディオウン、ソフトエウヌ、ソフトジオンなど。
    継続的に更新されましたか？

より多くのデータ強化をサポートします

  • モザイク、コピーペースト、ランダムアフィン（回転、スケール、翻訳、せん断）、混合、hsv（hue、飽和、値、ランダム水平フリップ）

ヨロフ、Yolov4、Yolov5、Yolov7、Yolor、Scaled_yolo、およびその他のネットワークの転送学習の公式トレーニング前の重量をサポートします

Yoloシリーズネットワークモデルサーマルダイアグラムの視覚化（GardCam、Gardcam ++など）は、Yolov3、Yolov3-SPP、Yolov4、Yolov5、Yolor、Yolov7scaled_yolov4、TPH-Yolo、SPD-Yolo、Custom Network Model Model Model（Yoloair（BETAバージョン内部テスト）をサポートしています。

主流のネットワークモデル構造図の概要：モデル？

上記のコンポーネントモジュールは、統一されたモデルコードフレームワーク、統一されたタスクフォーム、および統合アプリケーション方法を使用します。モジュールコンポーネント化は、ユーザーがバックボーン、ネック、ヘッドをカスタマイズして迅速に組み合わせ、ネットワークモデルを多様化し、科学研究が検出アルゴリズムを改善し、より強力なネットワークモデルを構築するのに役立ちます。

注：上記のメイン機能サポートには、メインバージョンとベータ版が含まれます。一部の機能は、ベータでのみ一時的に更新されます。すべての更新がメインに直接あるわけではありません。後続のベータバージョンが内部的にテストされた後、それらは徐々にメインバージョンに追加されます。

組み込みのネットワークモデル構成サポート

Yolov5、Yolov7、Yolox、Yolor、Yolov3、Yolov4、Scaled_yolov4、ppyoloe、ppyoloeplus、トランス、Yolo-facev2、Picodet、Yolov5-lite、TPH-Yolov5、spd-yoloなどなど、さまざまなアルゴリズムモデルに基づいたモデル構成ファイルを含むモデルファイルを含みます。

効果プレビュー

ターゲット検出ターゲットセグメンテーション
画像分類インスタンスセグメンテーション
ターゲットセグメンテーションターゲット追跡
姿勢の推定顔の検出
サーマルフォト01サーマルフォト02

トレーニング前のウェイト

  • Yolov5 https://github.com/ultralytics/yolov5/releases/tag/v6.1

  • Yolov4 https://github.com/iscyy/yoloair/releases/tag/v1.0

  • Yolov3 https://github.com/iscyy/yoloair/releases/tag/v1.0

  • Yolor https://github.com/iscyy/yoloair/releases/tag/v1.0

  • scaled_yolo https://github.com/iscyy/yoloair/releases/tag/v1.0

  • Yolov7 https://github.com/iscyy/yoloair/releases/tag/v1.0

使用？

コードについて。 Yolov5の設計原理に従ってください。
元のバージョンはYolov5（v6.1）に基づいて作成されました

インストール

Python> = 3.7.0のバージョンウェアハウスをクローンし、 pytorch> = 1.7を含む要件をインストールします。txt。 

$ git clone https://github.com/iscyy/yoloair.git  # 克隆
$ cd YOLOAir
$ pip install -r requirements.txt  # 安装

電車

$ python train.py --data coco128.yaml --cfg configs/yolov5/yolov5s.yaml #默认为yolo

推論

detect.py 、さまざまなデータソースに推論を実行し、検出結果をruns/detectディレクトリに保存します。 

$ python detect.py --source 0  # 网络摄像头
                          img.jpg  # 图像
                          vid.mp4  # 视频
                          path/  # 文件夹
                          path/ * .jpg  # glob

融合

さまざまなモデルを使用してデータセットについて推論する場合は、WBF.pyファイルを使用して、加重ボックスフュージョンを介して結果を統合できます。 wbf.pyファイルにIMGパスとTXTパスを設定する必要があります。 

$ python wbf.py

ペーパー共有

FightCVの公式アカウントは、最先端の紙の更新を毎日共有しています
（パブリックアカウントに返信してグループを追加し、アシスタントを交換グループに追加します）

パフォーマンス

モデルサイズ
（ピクセル）		マップval
0.5：0.95		マップval
0.5		スピード
CPU B1
（MS）		スピード
V100 B1
（MS）		スピード
V100 B32
（MS）		パラメージ
（m）		フロップ
@640（b）		ウェイト
yolov5n 640 28.0 45.7 45 6.3 0.6 1.9 4.5 yolov5n
Yolov5s 640 37.4 56.8 98 6.4 0.9 7.2 16.5 Yolov5s
yolov5m 640 45.4 64.1 224 8.2 1.7 21.2 49.0 yolov5m
yolov5l 640 49.0 67.3 430 10.1 2.7 46.5 109.1 yolov5l
yolov5x 640 50.7 68.9 766 12.1 4.8 86.7 205.7 yolov5x
yolov5n6 1280 36.0 54.4 153 8.1 2.1 3.2 4.6 yolov5n6
Yolov5S6 1280 44.8 63.7 385 8.2 3.6 12.6 16.8 Yolov5S6
yolov5m6 1280 51.3 69.3 887 11.1 6.8 35.7 50.0 yolov5m6
yolov5l6 1280 53.7 71.3 1784 15.8 10.5 76.8 111.4 yolov5l6
yolov5x6
+ TTA		 1280
1536		 55.0
55.8		 72.7
72.7		 3136
- 		26.2
- 		19.4
- 		140.7
- 		209.8
- 		yolov5x6
拡大する
  • 元のバージョンはYolov5（6.1）に基づいて作成されました
モデルサイズ
（ピクセル）		マップval
0.5：0.95		マップval
0.5		 deconvカーネルサイズ
スピード
V100 B1
（MS）		スピード
V100 B32
（MS）		パラメージ
（m）		フロップ
@640（b）
Yolov5s 640 33.7 52.9 - 5.6 2.2 7.23 16.5
Yolov5S-Deconv-Exp1 640 33.4 52.5 2 5.6 2.4 7.55 18.2
Yolov5S-Deconv-Exp2 640 34.7 54.2 4 5.8 2.5 8.54 23.2
拡大する
  • トレーニングプロセスは4xv100 GPUに依存します
 # train
python -m torch.distributed.run --nproc_per_node 4 train.py --device 0,1,2,3 --data data/coco.yaml --hyp data/hyps/hyp.scratch-low.yaml  --cfg path/to/model.yaml --batch 512 --epochs 300 --weights ''
# val
python val.py --verbose --data data/coco.yaml --conf 0.001 --iou 0.65 --batch 1 --weights path/to/model.pt
  • Yolov5のマップと公式のマップの間にはギャップがあります。ここに比較のためだけです
モデルサイズ
（ピクセル）		マップval
0.5：0.95		マップval
0.5		パラメージ
（m）		フロップ
@640（b）
Yolov5s 640 37.4 56.6 7.226 16.5
yolov5s-deconv 640 37.8 57.1 7.232 16.5
拡大する
  • グループをinput_channelとして設定することにより、4x4の深部分離可能なdeconvをテストしました
  • 新しいモデルのマップは原点よりも約0.4高く、それらのパラメージ数とフロップはほぼ同じです。
モデルサイズ
（ピクセル）		マップval
0.5：0.95		マップval
0.5		パラメージ
（m）		フロップ
@640（b）
Yolov5s 640 37.2 56.0 7.2 16.5
Yolov5S-C3GC-Backbone 640 37.7 57.3 7.5 16.8
拡大する
  • 元のバージョンは、Yolov5-6.0に基づいて作成されました

Yolov5チュートリアル

Yolov5フレームワークと同期します

  • カスタムデータの推奨事項をトレーニングします
  • 最良のトレーニング結果を得るためのヒント☘かをお勧めします
  • ウェイトとバイアスを使用して実験を記録しますか？新しい
  • Roboflow：データセット、タグ、アクティブ学習？新しい
  • マルチGPUトレーニング
  • Pytorch Hub New
  • tflite、onnx、coreml、tensort export
  • テスト時間データ強化（TTA）
  • モデル統合
  • モデルの剪定/スパース性
  • ハイパーパラメーターの進化
  • 凍結層を新しくした学習を転送します
  • 新しいアーキテクチャの概要

将来の強化

将来的には、Yoloairエコシステムの構築と改善を続けて、より多くのYolov5シリーズモデルを改善および統合し、異なるモジュールを組み合わせ続け、より異なるネットワークモデルを水平に構築し、関連技術を導入します。

引用

 @ article { 2022 yoloair ,
  title = {{ YOLOAir }: Makes improvements easy again },
  author = { iscyy },
  repo = { github https : // github . com / iscyy / yoloair },
  year = { 2022 }
}

声明

拡大する

  • このサイトの内容は、メモを共有するためのみです。一部のコンテンツが侵害されている場合は、メールを送信してください。

  • 質問がある場合は、メールを送信して私と話し合ってください。

謝辞

拡大する

https://github.com/ultralytics/yolov5
https://github.com/ultralytics/yolov3
https://github.com/wongkinyiu/pytorch_yolov4
https://github.com/wongkinyiu/scaledyolov4
https://github.com/meituan/yolov6
https://github.com/wongkinyiu/yolov7
https://github.com/wongkinyiu/yolor
https://github.com/xmu-xiaoma666/external-attention-pytorch
https://gitee.com/searchsource/yolov5_yolox
https://github.com/krasjet-yu/yolo-facev2
https://github.com/positive666/yolov5_research/
https://github.com/ppogg/yolov5-lite
https://github.com/gumpest/yolov5-multibackbone

拡大する
追加情報
関連アプリ
おすすめ
関連情報 すべて