yoloair下載 - yoloair源代碼下載

yoloair

Python

v1.0

下載

YOLOv5、YOLOv7、YOLOv8 模型2024/全系列/最新/改進方式教程（內附源代碼）

《芒果書》系列改進專欄內的改進文章

專欄地址：獨家全網首發專欄《芒果YOLOv8深度改進教程》?

專欄地址：獨家全網首發專欄《芒果YOLOv5深度改進教程》?

專欄地址：獨家全網首發專欄《芒果YOLOv7深度改進教程》?

全新的UltralyticsPro 項目來襲

項目地址：https://github.com/iscyy/ultralyticsPro

專注於YOLOv8改進，NEW - YOLOv8 in PyTorch >, Support to improve Backbone, Neck, Head, Loss, IoU, LA, NMS and other modules Makes YOLOv8 improvements easy again

? 全新的YOLOv8改進項目ultralyticsPro來襲，最新改進點更新2024

一、改進YOLOv8 免費內容<br>本項目持續會更新一些免費的改進點，每週都會更新

3.22更新：注意力機制：ultralytics/cfg/models/cfg2024/YOLOv8-Attention

GAM 注意力機制、
SA 注意力機制、
SimAM 注意力機制、
SK 注意力機制、
SOCA 注意力機制、
CBAM 注意力機制、

3.23更新：金字塔結構：ultralytics/cfg/models/cfg2024/YOLOv8-金字塔結構改進

SPPELAN、
SimSPPF、
BasicRFB、
ASPP、
SPPFCSPC

更多更新，詳細點擊：https://github.com/iscyy/ultralyticsPro

? 全新的YOLOAir2024版本來襲，最新改進點更新2024

YOLOv5項目更新

2024.03

新增Dysample上採樣改進點：ICCV2023論文：Dysample上採樣改進

YOLO Air : Makes improvements easy again

YOLOAir是一個基於PyTorch的YOLO算法庫。統一模型代碼框架、統一應用、統一改進、易於模塊組合、構建更強大的網絡模型。

簡體中文| English

支持

特性• 使用? • 文檔? • 報告問題? • 更新? • 討論✌️
• YOLO改進方式教程及原理參考•

Introduction

模型多樣化: 基於不同網絡模塊構建不同檢測網絡模型。

模塊組件化: 幫助用戶自定義快速組合Backbone、Neck、Head，使得網絡模型多樣化，助力科研改進檢測算法、模型改進，網絡排列組合?。構建強大的網絡模型。

統一模型代碼框架、統一應用方式、統一調參、統一改進、集成多任務、易於模塊組合、構建更強大的網絡模型。

內置集成YOLOv5、YOLOv7、YOLOv6、YOLOX、YOLOR、Transformer、PP-YOLO、PP-YOLOv2、PP-YOLOE、PP-YOLOEPlus、Scaled_YOLOv4、YOLOv3、YOLOv4、YOLO-Face、TPH-YOLO、YOLOv5Lite、SPD-YOLO、SlimNeck-YOLO、PicoDet等模型網絡結構... 集成多種檢測算法和相關多任務模型使用統一模型代碼框架，集成在YOLOAir 庫中，統一應用方式。便於科研者用於論文算法模型改進，模型對比，實現網絡組合多樣化。包含輕量化模型和精度更高的模型，根據場景合理選擇，在精度和速度倆個方面取得平衡。同時該庫支持解耦不同的結構和模塊組件，讓模塊組件化，通過組合不同的模塊組件，用戶可以根據不同數據集或不同業務場景自行定制化構建不同檢測模型。

支持集成多任務，包括目標檢測、實例分割、圖像分類、姿態估計、人臉檢測、目標跟踪等任務

Star?、Fork不迷路，同步更新。

項目地址?: https://github.com/iscyy/yoloair

部分改進說明教程?: https://github.com/iscyy/yoloair/wiki/Improved-tutorial-presentation

? Beta Supported Updates

下列功能YOLOAir-Beta版本內測已支持

其他功能?

? To Do

支持多任務, 包括目標檢測、分類、分割、姿態估計、人臉檢測、目標跟踪等任務

主要特性

支持更多的YOLO系列算法模型改進(持續更新...)

YOLOAir 算法庫匯總了多種主流YOLO系列檢測模型，一套代碼集成多種模型:

內置集成YOLOv5 模型網絡結構、YOLOv7 模型網絡結構、 YOLOv6 模型網絡結構、PP-YOLO 模型網絡結構、PP-YOLOE 模型網絡結構、PP-YOLOEPlus 模型網絡結構、YOLOR 模型網絡結構、YOLOX 模型網絡結構、ScaledYOLOv4 模型網絡結構、YOLOv4 模型網絡結構、YOLOv3 模型網絡結構、YOLO-FaceV2模型網絡結構、TPH-YOLOv5模型網絡結構、SPD-YOLO模型網絡結構、SlimNeck-YOLO模型網絡結構、YOLOv5-Lite模型網絡結構、PicoDet模型網絡結構等持續更新中...

支持更多的網絡模型組件

如表

YOLOAir Structural Module Components

Backbones	Necks	Head
CSPDarkNet系列 HorNet系列 ResNet系列 RegNet系列 ShuffleNet系列 RepLKNet系列 MobileNet系列 EfficientNet系列 ConvNext系列 Ghost系列 RepVGG系列 transformer系列	PANet RepPAN BiFPN CSPPAN SlimNeck ELANPAN GSNeck	YOLOv4Head YOLOv5Head YOLOv6 Efficient decoupled head YOLOv7 IDetect Head YOLOv7 IAuxDetect Head YOLOX DetectX Head 自適應空間特徵融合檢測頭ASFF Head YOLOR 隱式學習Head EH-Head Dual Weighting Head FCOS Head Dynamic Head ...

YOLOAir Module Components

Attention注意力機制	標籤分配策略	IoU損失函數
Self Attention Contextual Transformer Bottleneck Transformer S2-MLP Attention AxialAttention DANet DoubleAttention GlobalContextBlock ParNetAttention PolarizedSelfAttention SpatialGroupEnhance copy TripletAttention SK Attention CBAM Attention SE Attention Coordinate attention NAM Attention GAM Attention ECA Attention Shuffle Attention CrissCrossAttention SOCAttention SimAM Attention CrissCrossAttention	Multi Anchor策略 YOLOv5 標籤分配策略 SimOTA 標籤分配策略 YOLOv7 標籤分配策略 FreeAnchor 標籤分配策略 AutoAssign 標籤分配策略 Dual Weighting 標籤分配策略 Probabilistic Anchor Assignment 錨分配策略其他改進的標籤分配策略	CIoU DIoU GIoU EIoU SIoU alpha IOU ...

Module Components

Loss	NMS	數據增強
ComputeLoss(v3) ComputeLoss(v4) ComputeLoss(v5) ComputeLoss(v6) ComputeLoss(X) ComputeLossAuxOTA(v7) ComputeLossOTA(v7)	NMS Merge-NMS Soft-NMS CIoU_NMS DIoU_NMS GIoU_NMS EIoU_NMS SIoU_NMS Soft-SIoUNMS Soft-CIoUNMS Soft-DIoUNMS Soft-EIoUNMS Soft-GIoUNMS SimSPPF SimSPPF SimSPPF	Mosaic Copy paste Random affine(Rotation, Scale, Translation and Shear) MixUp HSV Random horizontal flip ...

YOLOAir Module Components

空間金字塔池化結構	模塊化組件	AnchorBased / AnchorFree
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, CA, CBAM, Involution, Stem, ResCSPC, ResCSPB, ResXCSPB, ResXCSPC, BottleneckCSPB, BottleneckCSPC, ASPP, BasicRFB, SPPCSPC_group, HorBlock, CNeB,C3GC ,C3C2, nn.ConvTranspose2d, DWConvblock, RepVGGBlock, CoT3, ConvNextBlock, SPPCSP, BottleneckCSP2, DownC, BottleneckCSPF, RepVGGBlock, ReOrg, DWT, MobileOne,HorNet...	YOLOv5、YOLOv7、YOLOv3、YOLOv4、YOLOR、ScaledYOLOv4、PPYOLO、PPYOLOv2、Improved-YOLOv5、Improved-YOLOv7 YOLOX、YOLOv6 (Paper)、PPYOLOE、PPYOLOE+ ...

支持更多Backbone

CSPDarkNet系列
HorNet系列
ResNet系列
RegNet 系列
ShuffleNet系列
Ghost系列
MobileNet系列
EfficientNet系列
ConvNext系列
RepLKNet系列
重參數化系列
RepVGG系列
RepMLP系列
ACNet系列
RepConv系列
OREPA系列
Mobileone系列
自註意力Transformer系列
MobileViT系列
BoTNet-Transfomrer
CoTNet-Transfomrer
Swin-Transfomrer
Swin-Transfomrer(v2)
以及其他trans系列持續更新中? 注: (YOLOAir(Beta) 已經完成更新20+ 種Transformer系列主幹網絡、多種MLP網絡以及絕大部分重參數化結構模型網絡)

支持更多Neck

FPN
PANet
RepPAN
BiFPN
CSPPAN
SlimNeck
ELANPAN
持續更新中?

支持更多檢測頭Head

YOLOv4、YOLOv5 Head檢測頭;
YOLOR 隱式學習Head檢測頭;
YOLOX的解耦合檢測頭Decoupled Head、DetectX Head;
自適應空間特徵融合檢測頭ASFF Head;
YOLOv6-v2.0 Efficient decoupled head;
YOLOv7檢測頭IAuxDetect Head, IDetect Head等;
其他不同檢測頭

支持更多即插即用的注意力機制Attention

在網絡任何部分即插即用式使用注意力機制
Self Attention
Contextual Transformer
Bottleneck Transformer
S2-MLP Attention
SK Attention
CBAM Attention
SE Attention
Coordinate attention
NAM Attention
GAM Attention
ECA Attention
Shuffle Attention
CrissCrossAttention
Coordinate attention
SOCAttention
SimAM Attention 持續更新中?
重磅！！！作為開源項目補充，推荐一個注意力算法代碼庫External-Attention，裡面匯總整理很全面，包含各種Attention等代碼，代碼簡潔易讀，一行代碼實現Attention機制。

更多空間金字塔池化結構

SPP
SPPF
ASPP
RFB
SPPCSPC
SPPFCSPC
SimSPPF 持續更新中?

支持更多Loss

ComputeLoss
ComputeLoss(v5)
ComputeLoss(v6)
ComputeLoss(X)
ComputeLossAuxOTA(v7)
ComputeLossOTA(v7)
ComputeNWDLoss
其他Loss

支持Anchor-base 和Anchor-Free

? YOLOv5、YOLOv7、YOLOv3、YOLOv4、YOLOR、ScaledYOLOv4、PPYOLO、PPYOLOv2、Improved-YOLOv5、Improved-YOLOv7
? YOLOX、YOLOv6 (Paper)、PPYOLOE、PPYOLOE+

支持多種標籤分配策略

Multi Anchor策略
YOLOv5 標籤分配策略
SimOTA 標籤分配策略
YOLOv7 標籤分配策略
AutoAssign 標籤分配策略?
Dual Weighting 標籤分配策略?
FreeAnchor 標籤分配策略?
其他改進的標籤分配策略持續更新中?

支持加權框融合(WBF)

內置多種網絡模型模塊化組件
Conv, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, MixConv2d, Focus, CrossConv,BottleneckCSP, C3, C3TR, C3SPP, C3Ghost, C3HB, C3RFEM, MultiSEAM, SEAM, C3STR, SPPCSPC, RepConv, BoT3, Air, CA, CBAM, Involution, Stem, ResCSPC, ResCSPB, ResXCSPB, ResXCSPC, BottleneckCSPB, BottleneckCSPC, ASPP, BasicRFB, SPPCSPC_group, HorBlock, CNeB,C3GC ,C3C2, nn.ConvTranspose2d, DWConvblock, RepVGGBlock, CoT3, ConvNextBlock, SPPCSP, BottleneckCSP2, DownC, BottleneckCSPF, RepVGGBlock, ReOrg, DWT, MobileOne,HorNet...等詳細代碼./models/common.py文件內

支持更多IoU損失函數

CIoU
DIoU
GIoU
EIoU
SIoU
alpha IOU
持續更新中?

支持更多NMS

NMS
Merge-NMS
Soft-NMS
CIoU_NMS
DIoU_NMS
GIoU_NMS
EIoU_NMS
SIoU_NMS
Soft-SIoUNMS、Soft-CIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GIoUNMS等;
持續更新中?

支持更多數據增強

Mosaic、Copy paste、Random affine(Rotation, Scale, Translation and Shear)、MixUp、Augment HSV(Hue, Saturation, Value、Random horizontal flip

支持加載YOLOv3、YOLOv4、YOLOv5、YOLOv7、YOLOR、Scaled_YOLO等網絡的官方預訓練權重進行遷移學習

YOLO系列網絡模型熱力圖可視化(GardCAM、GardCAM++等) 支持YOLOv3、、YOLOv3-SPP、YOLOv4、YOLOv5、YOLOR、YOLOv7Scaled_YOLOv4、TPH-YOLO、SPD-YOLO以及自定義網絡模型等模型(YOLOAir(Beta版本內測)已支持)

主流網絡模型結構圖匯總: 模型?

以上組件模塊使用統一模型代碼框架、統一任務形式、統一應用方式，模塊組件化可以幫助用戶自定義快速組合Backbone、Neck、Head，使得網絡模型多樣化，助力科研改進檢測算法，構建更強大的網絡模型。

說明: 以上主要特性支持包括Main版本和Beta版本，部分特性暫時只完成更新在Beta 中，不是所有更新都直接在Main 中，後續Beta 版本內測之後逐漸加入到Main版本中。

內置網絡模型配置支持

包括基於YOLOv5、YOLOv7、YOLOX、YOLOR、YOLOv3、YOLOv4、Scaled_YOLOv4、PPYOLO、PPYOLOE、PPYOLOEPlus、Transformer、YOLO-FaceV2、PicoDet、YOLOv5-Lite、TPH-YOLOv5、SPD-YOLO等其他多種改進網絡結構等算法模型的模型配置文件

效果預覽

目標檢測	目標分割

圖像分類	實例分割

目標分割	目標跟踪

姿態估計	人臉檢測

熱力圖01	熱力圖02

預訓練權重

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?

About the code. Follow the design principle of YOLOv5.
The original version was created based on YOLOv5(v6.1)

安裝

在Python>=3.7.0的環境中克隆版本倉並安裝 requirements.txt，包括PyTorch>=1.7 。

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

訓練

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

推理

detect.py在各種數據源上運行推理, 並將檢測結果保存到runs/detect目錄。

$ 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

如果您使用不同模型來推理數據集，則可以使用wbf.py文件通過加權框融合來集成結果。您只需要在wbf.py文件中設置img 路徑和txt 路徑。

$ python wbf.py

論文分享

FightingCV公眾號每天分享前沿論文動態
(公眾號回復加群,添加小助手加交流群)

Performance

Model	size ^(pixels)	mAP ^{val 0.5:0.95}	mAP ^{val 0.5}	Speed ^{CPU b1 (ms)}	Speed ^{V100 b1 (ms)}	Speed ^{V100 b32 (ms)}	params ^(M)	FLOPs ^{@640 (B)}	Weights
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

Expand

The original version was created based on YOLOv5(6.1)

Model	size ^(pixels)	mAP ^{val 0.5:0.95}	mAP ^{val 0.5}	deconv kernel size	Speed ^{V100 b1 (ms)}	Speed ^{V100 b32 (ms)}	params ^(M)	FLOPs ^{@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

Expand

The training process depends on 4xV100 GPU

 # 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

There is a gap between the mAP of YOLOv5s and the official one, here is just for comparison

Model	size ^(pixels)	mAP ^{val 0.5:0.95}	mAP ^{val 0.5}	params ^(M)	FLOPs ^{@640 (B)}
YOLOv5s	640	37.4	56.6	7.226	16.5
YOLOv5s-deconv	640	37.8	57.1	7.232	16.5

Expand

tested the 4x4 depthwise-separable deconv by setting the groups as input_channel
their params number and FLOPS are nearly the same while the new model's mAP is about 0.4 higher than the origin.

Model	size ^(pixels)	mAP ^{val 0.5:0.95}	mAP ^{val 0.5}	params ^(M)	FLOPs ^{@640 (B)}
YOLOv5s	640	37.2	56.0	7.2	16.5
YOLOv5s-C3GC-backbone	640	37.7	57.3	7.5	16.8

Expand

The original version was created based on YOLOv5-6.0

YOLOv5教程

與YOLOv5框架同步

訓練自定義數據推薦
獲得最佳訓練效果的技巧☘️ 推薦
使用Weights & Biases 記錄實驗? 新
Roboflow：數據集、標籤和主動學習? 新
多GPU訓練
PyTorch Hub 新
TFLite, ONNX, CoreML, TensorRT 導出
測試時數據增強(TTA)
模型集成
模型剪枝/稀疏性
超參數進化
帶有凍結層的遷移學習新
架構概要新

未來增強

後續會持續建設和完善YOLOAir 生態完善集成更多YOLOv5 系列模型，持續結合不同模塊，構建更多不同網絡模型橫向拓展和引入關聯技術等等

Citation

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

Statement

Expand

The content of this site is only for sharing notes. If some content is infringing, please sending email.
If you have any question, please discuss with me by sending email.

Acknowledgements

Expand

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

展開

附加信息