yoloair 다운로드 - yoloair 소스 코드 다운로드

yoloair

파이썬

v1.0

다운로드

Yolov5, Yolov7, Yolov8 모델 2024/전체 시리즈/최신/개선 방법 자습서 (소스 코드 포함)

망고 북 시리즈 개선 칼럼의 개선 된 기사

열 주소 : 전체 네트워크의 독점 첫 번째 열 "Mango Yolov8 심층 개선 자습서"?

열 주소 : 전체 네트워크의 독점 첫 번째 열 "Mango Yolov5 심층 개선 자습서"?

열 주소 : 전체 네트워크의 독점 첫 번째 열 "Mango Yolov7 심층 개선 자습서"?

새로운 UltralyticsPro 프로젝트가 다가오고 있습니다

프로젝트 주소 : https://github.com/iscyy/ultralyticspro

YOLOV8 개선 사항, NEW -YOLOV8의 PYTORCH>, 백본, 목, 머리, 손실, IOU, LA, NMS 및 기타 모듈을 개선하기위한 지원

? 새로운 YOLOV8 개선 프로젝트 UltralyticsPro가 출시 될 예정이며 최신 개선 사항은 2024 년에 업데이트됩니다.

1. Yolov8 무료 콘텐츠 향상 <br>이 프로젝트는 매주 몇 가지 무료 개선 사항을 계속 업데이트 할 것입니다.

3.22 업데이트 :주의 메커니즘 : Ultralytics/CFG/Models/CFG2024/YOLOV8-INTENTION

Gam주의 메커니즘,
SA주의 메커니즘,
Simam주의 메커니즘,
SK주의 메커니즘,
Soca주의 메커니즘,
CBAM주의 메커니즘,

3.23 업데이트 : 피라미드 구조 : Ultralytics/CFG/Models/CFG2024/YOLOV8-PYRAMID 구조 개선

Sppelan,
simsppf,
BASICRFB,
ASPP,
sppfcspc

자세한 내용은 https://github.com/iscyy/ultralyticspro를 클릭하십시오

? 새로운 Yoloair2024 버전이 다가오고 있으며 최신 개선 사항은 2024 년에 업데이트됩니다.

Yolov5 프로젝트 업데이트

2024.03

Dysample Upsampling 개선점 추가 : ICCV2023 용지 : Dysample Upsampling 개선 사항

Yolo Air : 다시 개선을 쉽게 만듭니다

Yoloair는 Pytorch를 기반으로 한 Yolo 알고리즘 라이브러리입니다. 모델 코드 프레임 워크, 통합 응용 프로그램, 통합 개선, 쉬운 모듈 조합을 통합하고보다 강력한 네트워크 모델을 구축하십시오.

단순화 된 중국어 | 영어

지원하다

특징 • 사용? • 문서? • 문제를보고 하시겠습니까? • 업데이트? • 토론 ✌️
• Yolo 개선 방법 및 참조 •

소개

모델 다각화 : 다른 감지 네트워크 모델은 다른 네트워크 모듈을 기반으로 구성됩니다.

모듈 형 구성 요소화 : 사용자가 백본, 목 및 헤드를 사용자 정의하고 신속하게 결합하고 네트워크 모델을 다각화하고 과학 연구가 탐지 알고리즘, 모델 개선 및 네트워크 배열 조합을 개선하도록 도와줍니다. 강력한 네트워크 모델을 구축하십시오.

모델 코드 프레임 워크, 통합 애플리케이션 방법, 통합 매개 변수 조정, 통합 개선, 통합 멀티 태스크, 쉬운 모듈 조합을 통합하고보다 강력한 네트워크 모델을 구축하십시오 .

Yolov5, Yolov7, Yolov6, Yolox, Yolor, Transformer, PP-Yolo, PP-Yolov2, PP-Yoloe, PP-Yoloeplus, Scaled_yolov4, Yolov3, Yolov4, Yolo-Face, Tph-Unolo, Yolov5Lite, Spd-Ulo, Spd-Ulo, Spd-Ulo, Spd-Ulo 및 다른 모델은 ... Yoloair 라이브러리에 통합 된 통합 모델 코드 프레임 워크 및 통합 응용 프로그램 방법을 사용하여 다양한 탐지 알고리즘 및 관련 멀티 태스킹 모델을 통합합니다. 과학 연구원들이 종이 알고리즘 모델을 개선하고, 모델을 비교하며, 네트워크 조합의 다각화를 실현하는 것이 편리합니다. 여기에는 경량 모델과 높은 정밀 모델이 포함되며 정확도와 속도 사이의 균형을 달성하기 위해 장면에 따라 합리적으로 선택합니다. 동시에 라이브러리는 다양한 구조 및 모듈 구성 요소 디퍼 커플 링을 지원하여 모듈 구성 요소를 만듭니다. 다른 모듈 구성 요소를 결합하여 사용자는 다른 데이터 세트 또는 다른 비즈니스 시나리오를 기반으로 다른 탐지 모델을 사용자 정의하고 구축 할 수 있습니다.

객체 감지, 인스턴스 세분화, 이미지 분류, 포즈 추정, 얼굴 감지, 대상 추적 및 기타 작업을 포함한 통합 멀티 태스킹을 지원합니다.

별? 포크는 손실되지 않으며 동시에 업데이트됩니다.

프로젝트 주소? : https://github.com/iscyy/yoloair

일부 개선 지침 자습서? : https://github.com/iscyy/yoloair/wiki/improved-tutorial-presentation

? 베타 지원 업데이트

Yoloair-Beta 버전의 내부 테스트를 위해 다음 기능이 지원됩니다.

다른 기능?

? 할 일

객체 감지, 분류, 세분화, 포즈 추정, 얼굴 감지, 대상 추적 및 기타 작업을 포함한 멀티 태스크를 지원합니다.

주요 기능

Yolo Series 알고리즘 모델의 더 많은 개선 사항을 지원합니다 (지속적으로 업데이트되었습니다 ...)

Yoloair 알고리즘 라이브러리는 다양한 주류 Yolo Series Detection 모델을 요약하고 코드 세트는 여러 모델을 통합합니다.

내장 된 통합 YOLOV5 모델 네트워크 구조, YOLOV7 모델 네트워크 구조, YOLOV6 모델 네트워크 구조, PP-NOLOE 모델 네트워크 구조, PP-NOLOEPLUS 네트워크 구조, YOLOR 모델 네트워크 구조, YOLOX 모델 네트워크 구조, SCALEDYOLOV4 모델 네트워크 구조, YOLOV4 모델 네트워크 구조, YOLOV3 모델 네트워크 구조, YOLO-FACEV2 구조, TPH-BOHOLOV5 모델 네트워크 구조, TPH-UNCOLOV5 모델 네트워크 구조, Slimneck-Yolo 모델 네트워크 구조, YOLOV5-LITE 모델 네트워크 구조, Picodet 모델 네트워크 구조 등이 지속적으로 업데이트되고 있습니다 ...

더 많은 네트워크 모델 구성 요소를 지원합니다

테이블로

Yoloair 구조 모듈 구성 요소

백본	목	머리
CSPDARKNET 시리즈 호넷 시리즈 RESNET 시리즈 Regnet 시리즈 셔플 레넷 시리즈 Replknet 시리즈 Mobilenet 시리즈 효율적인 넷 시리즈 CONDXT 시리즈 유령 시리즈 repvgg 시리즈 변압기 시리즈	panet reppan bifpn CSPPAN 슬림 넥 엘란 팬 Gsneck	yolov4head yolov5head YOLOV6 효율적인 디퍼 커플 헤드 Yolov7 Idetect 헤드 YOLOV7 IAUXDETECT 헤드 Yolox DetectX 헤드 적응 공간 특징 융합 탐지 헤드 ASFF 헤드 Yolor 암시 적 학습 헤드 eh-head 이중 가중치 헤드 FCOS 헤드 역동적 인 헤드 ...

Yoloair 모듈 구성 요소

주의 메커니즘	태그 할당 전략	IOU 손실 기능
자기 관심 맥락 변압기 병목 현상 변압기 S2-MLP주의 axialattention Danet 이중화 GlobalContextBlock parnetattention 편광 스스로 디테일 공간 그룹화 사본 삼중 탈수 SK 관심 CBAM 관심 주의하십시오 주의를 조정하십시오 NAM 관심 게임 관심 ECA 관심 셔플주의 십자 규모 Socattention 시마주의 십자 규모	다중 앵커 전략 YOLOV5 태그 할당 정책 Simota 태그 할당 정책 YOLOV7 태그 할당 전략 FreeAnchor 태그 할당 정책 Autoassign 태그 할당 정책 이중 가중 태그 할당 정책 확률 앵커 할당 앵커 할당 다른 개선 된 태그 할당 전략	ciou 디우 giou eiou Siou 알파 이우 ...

모듈 구성 요소

손실	nms	데이터 향상
Computeloss (v3) computeloss (v4) Computeloss (v5) computeloss (v6) computeloss (x) Computelossauxota (V7) Computelossota (V7)	nms 병합 nms 소프트 nms ciou_nms diou_nms giou_nms eiou_nms siou_nms 소프트 시운트 소프트 시합 소프트 드라이브 소프트-유아 소프트 giounms simsppf simsppf simsppf	모자이크 복사 페이스트 랜덤 아 페핀 (회전, 스케일, 번역 및 전단) 믹스 업 HSV 임의의 수평 플립 ...

Yoloair 모듈 구성 요소

우주 피라미드 풀링 구조	모듈 식 구성 요소	앵커 기반 / 앵커 프리
spp sppf ASPP RFB SPPCSPC sppfcspc simsppf	Conv, Ghostconv, Bottleneck, Ghostbottleneck, spp, sppf, dwconv, mixconv2d, focus, crossconv, bottleneckcsp, c3, c3tr, c3spp, c3ghost, c3hb, c3rfem, multiseam, seam, c3str, sppcspc, repconv, bot3, air, cbam, inval, inval, cbam, inval. rescspc, rescspb, resxcspb, resxcspc, bottleneckcspb, bottleneckcspc, aspp, basicrfb, sppcspc_group, horblock, cneb, c3gc, c3c2, nn.convtranspose2d, dwconvblock, repvggblock, cont3, convnextblock, spvggblock, cont3. Bottleneckcsp2, Downc, Bottleneckcspf, Repvggblock, Reorg, DWT, MobileOne, Hornet ...	Yolov5, Yolov7, Yolov3, Yolov4, Yolor, Scaledyolov4, Ppyolo, Ppyolov2, 개선 된 yolov5, 개선 된 ocolov7 Yolox, Yolov6 (종이), Ppyoloe, Ppyoloe+ ...

더 많은 백본을 지원하십시오

CSPDARKNET 시리즈
호넷 시리즈
RESNET 시리즈
Regnet 시리즈
셔플 레넷 시리즈
유령 시리즈
Mobilenet 시리즈
효율적인 넷 시리즈
CONDXT 시리즈
Replknet 시리즈
Reparameterization 시리즈
repvgg 시리즈
REPMLP 시리즈
ACNET 시리즈
repconv 시리즈
오레파 시리즈
MobileOne 시리즈
자체 변환기 시리즈
MobileVit 시리즈
Botnet-Transfomrer
cotnet-transfomrer
Swin-Transfomrer
Swin-Transfomrer (v2)
그리고 다른 트랜스 시리즈가 지속적으로 업데이트되고 있습니까? 참고 : (Yoloair (Beta)는 20+ Transformer Series 백본 네트워크, 여러 MLP 네트워크 및 대부분의 재구성 구조 모델 네트워크의 업데이트를 완료했습니다).

더 많은 목을 지원하십시오

fpn
panet
reppan
bifpn
CSPPAN
슬림 넥
엘란 팬
지속적으로 업데이트 되었습니까?

더 많은 탐지 헤드를 지원합니다

YOLOV4, YOLOV5 헤드 검출 헤드;
노른자는 암시 적으로 헤드 감지 헤드를 배웁니다.
Yolox의 분리 된 탐지 헤드 헤드와 DetectX 헤드;
적응 형 공간 특징 융합 탐지 헤드 ASFF 헤드;
YOLOV6-V2.0 효율적인 분리 된 헤드;
YOLOV7 검출 헤드 IAUXDETECT 헤드, IDETECT 헤드 등;
다른 다른 탐지 헤드

더 많은 플러그 앤 플레이주의 메커니즘을 지원합니다

네트워크의 어느 부분에서나주의 메커니즘을 플러그 앤 플레이
자기 관심
맥락 변압기
병목 현상 변압기
S2-MLP주의
SK 관심
CBAM 관심
주의하십시오
주의를 조정하십시오
NAM 관심
게임 관심
ECA 관심
셔플주의
십자 규모
주의를 조정하십시오
Socattention
Simam주의가 지속적으로 업데이트되고 있습니까?
큰 뉴스! ! ! 오픈 소스 프로젝트에 대한 보충제로서주의 알고리즘 코드 라이브러리 외부에 대한 권장입니다. 다양한주의 및 기타 코드를 포함하여 포괄적 인 방식으로 요약되고 구성됩니다. 코드는 간단하고 읽기 쉽고 한 줄의 코드는주의 메커니즘을 구현합니다.

더 많은 우주 피라미드 풀링 구조

spp
sppf
ASPP
RFB
SPPCSPC
sppfcspc
SIMSPPF가 지속적으로 업데이트되고 있습니까?

더 많은 손실을 지원합니다

computeloss
Computeloss (v5)
computeloss (v6)
computeloss (x)
Computelossauxota (V7)
Computelossota (V7)
computenwdloss
다른 손실

앵커베이스 및 앵커가없는 지원

? Yolov5, Yolov7, Yolov3, Yolov4, Yolor, Scaledyolov4, Ppyolo, Ppyolov2, 개선 된 yolov5, 개선 된 ocolov7
? Yolox, Yolov6 (종이), Ppyoloe, Ppyoloe+

다중 태그 할당 전략을 지원합니다

다중 앵커 전략
YOLOV5 태그 할당 정책
Simota 태그 할당 정책
YOLOV7 태그 할당 전략
Autoassign 태그 할당 정책?
이중 가중 태그 할당 정책?
FreeAnchor 태그 할당 정책?
다른 개선 된 태그 할당 전략이 지속적으로 업데이트되고 있습니까?

가중 상자 퓨전 지지대 (WBF)

네트워크 모델을위한 다중 모듈 형 구성 요소 내장
Conv, Ghostconv, Bottleneck, Ghostbottleneck, spp, sppf, dwconv, mixconv2d, focus, crossconv, bottleneckcsp, c3, c3tr, c3spp, c3ghost, c3hb, c3rfem, multiseam, seam, c3str, sppcspc, repconv, bot3, air, cbam, inval, inval, cbam, inval. rescspc, rescspb, resxcspb, resxcspc, bottleneckcspb, bottleneckcspc, aspp, basicrfb, sppcspc_group, horblock, cneb, c3gc, c3c2, nn.convtranspose2d, dwconvblock, repvggblock, cont3, convnextblock, spvggblock, cont3. Bottleneckcsp2, Downc, Bottleneckcspf, Repvggblock, Reorg, DWT, MobileOne, Hornet ... 및 기타 세부 코드 ./models/common.py 파일

더 많은 IOU 손실 기능을 지원하십시오

ciou
디우
giou
eiou
Siou
알파 이우
지속적으로 업데이트 되었습니까?

더 많은 NM을 지원합니다

nms
병합 nms
소프트 nms
ciou_nms
diou_nms
giou_nms
eiou_nms
siou_nms
소프트 시합, 소프트 시합, 소프트 디노, 소프트-유제, 소프트 기타 등;
지속적으로 업데이트 되었습니까?

더 많은 데이터 향상을 지원합니다

모자이크, 복사 페이스트, 랜덤 아 페인 (회전, 스케일, 번역 및 전단), 믹스 업, HSV 증강 (색조, 채도, 값, 랜덤 수평 플립

YOLOV3, YOLOV4, YOLOV5, YOLOV7, YOLOR, SCALED_YOLO 및 전송 학습을위한 기타 네트워크의 공식 사전 훈련 가중치 로딩을 지원합니다.

Yolo Series Network 모델 열 다이어그램 시각화 (Gardcam, Gardcam ++ 등)는 Yolov3, Yolov3-SPP, Yolov4, Yolov5, Yolor, Yolov7scaled_yolov4, TPH-Nolo, SPD-Yolo 및 사용자 정의 네트워크 모델 (Beta 버전 내부 테스트)을 지원합니다.

주류 네트워크 모델 구조 다이어그램 요약 : 모델?

위의 구성 요소 모듈은 통합 모델 코드 프레임 워크, 통합 작업 양식 및 통합 응용 프로그램 방법을 사용합니다. 모듈 구성 요소화는 사용자가 백본, 목 및 헤드를 사용자 정의하고 신속하게 결합하고 네트워크 모델을 다각화하고 과학 연구가 탐지 알고리즘을 개선하고보다 강력한 네트워크 모델을 구축하는 데 도움이됩니다.

참고 : 위의 주요 기능에는 기본 버전 및 베타 버전이 포함됩니다. 일부 기능은 베타로만 일시적으로 업데이트됩니다. 모든 업데이트가 직접 메인 한 것은 아닙니다. 후속 베타 버전이 내부적으로 테스트되면 기본 버전에 점차 추가됩니다.

내장 네트워크 모델 구성 지원

Yolov5, Yolov7, Yolox, Yolor, Yolov3, Yolov4, Scaled_yolov4, Ppyoloe, Ppyoloeplus, Transformer, Yolo-Facev2, Picodet, Yolov5-Lite, TPH-Ulov5, Spd-Yolo 등과 같은 다양한 알고리즘 모델을 기반으로 한 모델 구성 파일을 포함합니다.

효과 미리보기

목표 탐지	대상 세분화

이미지 분류	인스턴스 분할

대상 세분화	대상 추적

자세 추정	얼굴 감지

열 사진 01	열 사진 02

사전 훈련 중량

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

사용?

코드에 대해. Yolov5의 설계 원리를 따르십시오.
원래 버전은 Yolov5 (v6.1)를 기반으로 작성되었습니다.

설치하다

Python> = 3.7.0 에서 버전 창고를 복제하고 Pytorch> = 1.7을 포함한 TEXT를 설치하십시오.

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

기차

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

추리

detect.py runs/detect

$ 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

퓨전

다른 모델을 사용하여 데이터 세트에 대한 이유가있는 경우 WBF.py 파일을 사용하여 가중 상자 퓨전을 통해 결과를 통합 할 수 있습니다. wbf.py 파일에서 IMG 경로와 txt 경로를 설정하면됩니다.

$ python wbf.py

종이 공유

FightingCV 공식 계정은 매일 최첨단 종이 업데이트를 공유합니다
(공개 계정에 회신하여 그룹을 추가하고 교환 그룹에 보조원 추가)

성능

모델	크기 ^(픽셀)	지도 ^{발 0.5 : 0.95}	지도 ^{발 0.5}	속도 ^{CPU B1 (MS)}	속도 ^{V100 B1 (MS)}	속도 ^{V100 B32 (MS)}	매개 변수 ^(중)	플롭 ^{@640 (b)}	무게
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

확장하다

원래 버전은 Yolov5 (6.1)를 기반으로 작성되었습니다.

모델	크기 ^(픽셀)	지도 ^{발 0.5 : 0.95}	지도 ^{발 0.5}	Deconv 커널 크기	속도 ^{V100 B1 (MS)}	속도 ^{V100 B32 (MS)}	매개 변수 ^(중)	플롭 ^{@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

확장하다

훈련 과정은 4xv100 GPU에 따라 다릅니다

 # 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

Yolov5의지도와 공식지도 사이에는 간격이 있습니다. 여기에 비교를위한 것입니다.

모델	크기 ^(픽셀)	지도 ^{발 0.5 : 0.95}	지도 ^{발 0.5}	매개 변수 ^(중)	플롭 ^{@640 (b)}
yolov5s	640	37.4	56.6	7.226	16.5
yolov5s-deconv	640	37.8	57.1	7.232	16.5

확장하다

그룹을 input_channel로 설정하여 4x4 깊이 분리 가능한 디코 테스트를 테스트했습니다.
그들의 매개 변수 번호와 플롭은 거의 동일하지만 새 모델의지도는 원점보다 약 0.4입니다.

모델	크기 ^(픽셀)	지도 ^{발 0.5 : 0.95}	지도 ^{발 0.5}	매개 변수 ^(중)	플롭 ^{@640 (b)}
yolov5s	640	37.2	56.0	7.2	16.5
YOLOV5S-C3GC- 백본	640	37.7	57.3	7.5	16.8

확장하다

원래 버전은 Yolov5-6.0을 기반으로 작성되었습니다

Yolov5 튜토리얼

YOLOV5 프레임 워크와 동기화하십시오

사용자 정의 데이터 권장 사항 교육
최고의 훈련 결과를 얻기위한 팁 the️ 바늘이 권장됩니다
웨이트 및 바이어스를 사용한 실험을 기록 하시겠습니까? 새로운
Roboflow : 데이터 세트, 태그 및 능동 학습? 새로운
멀티 GPU 교육
Pytorch Hub New
Tflite, Onnx, Coreml, Tensorrt 수출
테스트 시간 데이터 향상 (TTA)
모델 통합
모델 가지 치기/희소성
초 파라미터 진화
동결 층으로 전송 학습
새로운 건축 요약

미래의 향상

앞으로, 우리는 Yoloair 생태계를 계속 구축하고 개선하여 더 많은 Yolov5 시리즈 모델을 개선하고 통합하고, 다양한 모듈을 계속 결합하고, 더 다양한 네트워크 모델을 수평으로 구축하고 관련 기술을 도입 할 것입니다.

소환

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

성명

확장하다

이 사이트의 내용은 메모를 공유하기위한 것입니다. 일부 콘텐츠가 침해되는 경우 이메일을 보내주십시오.
질문이 있으시면 이메일을 보내서 나와상의하십시오.

감사의 말

확장하다

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

확장하다

추가 정보