EasyCV
v0.11.6
Inglês | 简体中文
O EASYCV é uma caixa de ferramentas de visão computacional completa baseada em Pytorch, concentra-se principalmente no aprendizado auto-supervisionado, modelos baseados em transformadores e tarefas principais de currículo, incluindo classificação de imagem, aprendizado de métricas, detecção de objetos, estimativa de pose e assim por diante.
SOTA SSL Algoritmos
O EASYCV fornece algoritmos de última geração na aprendizagem auto-supervisionada com base em aprendizado contrastante, como SIMCLR, MOCO V2, SWAV, DINO e também MAE com base na modelagem de imagens mascaradas. Também fornecemos ferramentas de benchmarking padrão para avaliação do modelo SSL.
Transformadores de visão
O EASYCV pretende fornecer uma maneira fácil de usar os modelos de transformadores SOTA prontos para uso treinados usando aprendizado supervisionado ou aprendizado auto-supervisionado, como VIT, Swin Transformer e Série Detr. Mais modelos serão adicionados no futuro. Além disso, apoiamos todos os modelos pré -treinados da Timm.
Funcionalidade e extensibilidade
Além do SSL, o EASYCV também suporta classificação de imagens, detecção de objetos, aprendizado métrico e mais áreas serão suportadas no futuro. Embora cobrindo áreas diferentes, o EASYCV decompõe a estrutura em diferentes componentes, como conjunto de dados, modelo e gancho de corrida, facilitando a adição de novos componentes e combinando -o com os módulos existentes.
O EASYCV fornece uma interface simples e abrangente para inferência. Além disso, todos os modelos são suportados no PAI-EAS, que podem ser facilmente implantados como serviço on-line e suporta o escala automática e o monitoramento de serviços.
Eficiência
O EASYCV suporta treinamento multi-GPU e multi-trabalhadores. O EASYCV usa o DALI para acelerar o processo de IO e pré -processamento de dados e usa o Torchaccelerator e o FP16 para acelerar o processo de treinamento. Para otimização de inferência, o modelo EASYCV Exports usando o Script JIT, que pode ser otimizado por PAI-Blade
[2023.05.09]
[2023.03.06]
[2023.01.17]
[2022.12.02]
[2022.08.31] Lançamos nosso Yolox-Pai que atinge os resultados do SOTA em 40 ~ 50 mapa (menos de 1ms). E também fornecemos uma API conveniente e rápida de exportação/preditor para a detecção de objetos END2END. Para ter um início rápido do Yolox-Pai, clique aqui!
Consulte Change_log.md para obter mais detalhes e histórico.
Temos uma série de artigos técnicos sobre as funcionalidades do EASYCV.
Consulte a seção de instalação em Quick_Start.MD para instalação.
Consulte o Quick_Start.md para iniciar o rápido. Também fornecemos tutoriais para mais usos.
caderno
| Aprendizado auto-supervisionado | Classificação da imagem | Detecção de objetos | Segmentação | Detecção de objetos 3d |
|
|
|
|
|
Consulte o seguinte zoológico do modelo para obter mais detalhes.
O EASYCV coletou informações do conjunto de dados para diferentes cenários, facilitando os usuários para o Finetune ou avaliar modelos no Zoológico do Modelo EASYCV.
Consulte o data_hub.md.
Este projeto está licenciado sob a licença Apache (versão 2.0). Este kit de ferramentas também contém vários componentes de terceiros e algum código modificado em outros repositórios sob outras licenças de código aberto. Consulte o arquivo de aviso para obter mais informações.
Atualmente, este repo é mantido pela equipe PAI-CV, você pode entrar em contato conosco por
Se você precisar de suporte ao Serviço Enterprise Easycv ou adquirir serviços de produtos em nuvem, entre em contato conosco pelo Dingding Group.
