EasyCV
英语| 简体中文
简介
EasyCV是基于Pytorch的多合一计算机视觉工具箱，主要集中于自我监督的学习，基于变压器的模型以及主要的CV任务，包括图像分类，度量度学习，对象检测，姿势估计等等。
主要功能
SOTA SSL算法
EasyCV基于对比度学习，例如Simclr，Moco V2，SWAV，Dino，以及基于掩盖图像建模的MAE，提供了自我监督学习的最新算法。我们还为SSL模型评估提供了标准的基准测试工具。
视觉变压器
EasyCV的目的是提供一种简单的方法，以使用经过监督的学习或自我监督的学习（例如VIT，SWIN Transformer和Detr系列）训练的现成SOTA变压器模型。将来将添加更多模型。此外，我们支持TIMM的所有预审预定的模型。
功能和可扩展性
除SSL外，EasyCV还支持图像分类，对象检测，度量学习以及将来会支持更多领域。尽管涵盖了不同的区域，但EasyCV将框架分解为不同组件，例如数据集，型号和运行挂钩，从而易于添加新组件并将其与现有模块相结合。
EasyCV提供了简单而全面的界面来推理。此外，所有模型均在PAIEAS上支持，可以轻松将其部署为在线服务，并支持自动扩展和服务监视。
效率
EasyCV支持多GPU和多工培训。 EasyCV使用DALI来加速数据和预处理过程，并使用Torchaccelerator和FP16加速训练过程。为了进行推理优化，使用JIT脚本的EasyCV导出模型可以通过Pai-Blade进行优化
什么是新的
[2023.05.09]
- 09/05/2023 EasyCV V0.11.0已发布。
- 支持EasyCV作为[ModelsCope]（https://github.com/modelscope/modelscope）的插件。
[2023.03.06]
- 20023年6月3日发布了EasyCV V0.10.0。
- 添加分割模型STDC
- 添加基于骨架的视频识别模型STGCN
- 支持里德和多丽
[2023.01.17]
- 17/01/2023 EasyCV V0.9.0发布了。
- 支持单镜头MOT
- 支持视频识别（X3D，Swin-Video）
[2022.12.02]
- 02/12/2022 EasyCV V0.8.0已发布。
- Nuscenes Val的BeVformer-Base NDS增加了0.8，训练速度提高了10％，推理速度增加了40％。
- 支持对象365预处理并添加Dino ++模型可以在200m的型号（在相同的尺度下，精度是最佳的）获得63.4map的精度。
[2022.08.31]我们发布了在40〜50 map（小于1ms）内实现SOTA结果的Yolox-Pai。我们还为END2END对象检测提供了方便，快速的导出/预测API。要快速开始Yolox-Pai，请单击此处！
- 31/08/2022 EasyCV V0.6.0已发布。
- 释放Yolox-pai，可在40〜50地图（小于1ms）内产生SOTA的结果
- 添加检测可可在可可获得58.5地图的恐龙
- 添加Mask2Former Algo
- 释放Imagenet1k，Imagenet22K，可可，LVI，VOC2012带有baidudisk的数据加速下载
有关更多详细信息和历史记录，请参考thech_log.md。
技术文章
我们有一系列有关EasyCV功能的技术文章。
- EasyCV+变压器算法库
- Mae自监督算法介绍和基于Easycv的复现
- 基于easycv复现vitdet：单层特征超越fpn
- 基于easycv复现detr和dab-det，对象查询的正确打开方式
- Yolox-pai：加速Yolox，比Yolov6更快更强
- EasyCV带你复现更好更快的自监督算法-FastConvmae
- Easycv datahub提供多领域视觉数据集下载，助力模型生产
- 使用easycv mask2former轻松实现图像分割
安装
请参阅quick_start.md中的“安装”部分以进行安装。
开始
请参阅quick_start.md以进行快速启动。我们还提供有关更多用法的教程。
- 自我监督的学习
- 图像分类
- 公制学习
- 用yolox-pai检测物体检测
- YOLOX的模型压缩
- 使用Torchacc
- 为本地文件和OSS文件提交IO
- 在EasyCV中使用MMDetection模型
- 批处理预测工具
笔记本
- 自我监督的学习
- 图像分类
- 用yolox-pai检测物体检测
- 公制学习
模型动物园
体系结构
| 自我监督的学习 | 图像分类 | 对象检测 | 分割 | 对象检测3D |
- BYOL（Neurips'2020）
- Dino（ICCV'2021）
- Mixco（Neurips'2020）
- Moby（Arxiv'2021）
- Mocov2（Arxiv'2020）
- SIMCLR（ICML'2020）
- SHAV（Neurips'2020）
- MAE（CVPR'2022）
- FastConvmae（Arxiv'2022）
| - Resnet（CVPR'2016）
- Resnext（CVPR'2017）
- HRNET（CVPR'2019）
- VIT（ICL'2021）
- Swint（ICCV'2021）
- 高效形式（arxiv'2022）
- DEIT（ICML'2021）
- XCIT（arxiv'2021）
- TNT（Neurips'2021）
- 汇合（Arxiv'2021）
- Cait（ICCV'2021）
- Levit（ICCV'2021）
- Consnext（CVPR'2022）
- resmlp（arxiv'2021）
- 外套（ICCV'2021）
- Convmixer（ICL'2022）
- MLP-MIXER（ARXIV'2021）
- 巢（AAAI'2022）
- 坑（Arxiv'2021）
- 双胞胎（Neurips'2021）
- 洗牌变压器（Arxiv'2021）
- DEIT III（ECCV'2022）
- Hydra注意（2022）
| - FCO（ICCV'2019）
- YOLOX（ARXIV'2021）
- Yolox-Pai（Arxiv'2022）
- DEDR（ECCV'2020）
- dab-det（ICL'2022）
- DN-DETR（CVPR'2022）
- Dino（Arxiv'2022）
| 实例细分- Mask R-CNN（ICCV'2017）
- VITDET（ARXIV'2022）
- Mask2Former（CVPR'2022）
语义细分- FCN（CVPR'2015）
- Upernet（ECCV'2018）
全景分割 | |
有关更多详细信息，请参考以下模型动物园。
- 自我监督的学习模型动物园
- 分类模型动物园
- 检测模型动物园
- 检测3D模型动物园
- 分割模型动物园
- 姿势模型动物园
数据中心
EasyCV已为不同方案收集了数据集信息，使用户可以轻松地对EasyCV模型动物园中的模型进行列出或评估模型。
请参阅data_hub.md。
执照
该项目是根据Apache许可证（版本2.0）获得许可的。该工具包还包含各种第三方组件，并根据其他开源许可根据其他存储库修改了一些代码。有关更多信息，请参见通知文件。
接触
此存储库目前由PAI-CV团队维护，您可以通过
企业服务
如果您需要EasyCV企业服务支持或购买云产品服务，则可以通过Dingding Group与我们联系。
