关键词：
这里推荐一个YOLO系列的算法实现库YOLOU，此处的“U”意为“United”的意思，主要是为了学习而搭建的YOLO学习库，也借此向前辈们致敬，希望不被骂太惨；
整个算法完全是以YOLOv5的框架进行，主要包括的目标检测算法有：YOLOv3、YOLOv4、YOLOv5、YOLOv5-Lite、YOLOv6、YOLOv7、YOLOX以及YOLOX-Lite。
同时为了方便算法的部署落地，这里所有的模型均可导出ONNX并直接进行TensorRT等推理框架的部署，后续也会持续更新。
模型精度对比
服务端模型
这里主要是对于YOLO系列经典化模型的训练对比，主要是对于YOLOv5、YOLOv6、YOLOv7以及YOLOX的对比，部分模型还在训练之中，后续所有预训练权重均会放出，同时对应的ONNX文件也会给出，方便大家部署应用落地。
注意，这里关于YOLOX也没完全复现官方的结果，后续有时间还会继续调参测试，尽可能追上YOLOX官方的结果。
下表是关于YOLOU中模型的测试，也包括TensorRT的速度测试，硬件是基于3090显卡进行的测试，主要是针对FP32和FP16进行的测试，后续的TensorRT代码也会开源。目前还在整理之中。
轻量化模型
为了大家在手机端或者其他诸如树莓派、瑞芯微、AID以及全志等芯片的部署，YOLOU也对YOLOv5和YOLOX进行了轻量化设计。
下面主要是对于边缘端使用的模型进行对比，主要是借鉴之前小编参与的YOLOv5-Lite的仓库，这里也对YOLOX-Lite进行了轻量化迁移，总体结果如下表所示，YOLOX-Lite基本上可以超越YOLOv5-Lite的精度和结果。
如何使用YOLOU？
安装
这里由于使用的是YOLOv5的框架进行的搭建，因此安装形式也及其的简单，具体如下：
git clone https://github.com/jizhishutong/YOLOU
cd YOLOU
pip install -r requirements.txt数据集
这里依旧使用YOLO格式的数据集形式，文件夹形式如下：
train: ../coco/images/train2017/
val: ../coco/images/val2017/具体的标注文件和图像list如下所示：
├── images # xx.jpg example
│ ├── train2017
│ │ ├── 000001.jpg
│ │ ├── 000002.jpg
│ │ └── 000003.jpg
│ └── val2017
│ ├── 100001.jpg
│ ├── 100002.jpg
│ └── 100003.jpg
└── labels # xx.txt example
├── train2017
│ ├── 000001.txt
│ ├── 000002.txt
│ └── 000003.txt
└── val2017
├── 100001.txt
├── 100002.txt
└── 100003.txt参数配置
YOLOU为了方便切换不同模型之间的训练，这里仅仅需要配置一个mode即可切换不同的模型之间的检测和训练，具体意义如下：
注意：这里的mode主要是对于Loss计算的选择，对于YOLOv3、YOLOv4、YOLOv5、YOLOR以及YOLOv5-Lite直接设置mode=yolo即可，对于YOLOX以及YOLOX-Lite则设置mode=yolox，对于YOLOv6和YOLOv7则分别设置mode=yolov6和mode=yolov7；
注意由于YOLOv7使用了Aux分支，因此在设置YOLOv7时有一个额外的参数需要配置，即use_aux=True。
具体训练指令如下：
python train.py --mode yolov6 --data coco.yaml --cfg yolov6.yaml --weights yolov6.pt --batch-size 32检测指令如下：
python detect.py --source 0 # webcam
file.jpg # image
file.mp4 # video
path/ # directory
path/*.jpg # glob
'https://youtu.be/NUsoVlDFqZg' # YouTube
'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream
检测结果
服务端模型
轻量化模型
--- END ---
后台回复“电子书”、“PyTorch” 获取资料包 加群 —> CV 微信技术交流群
绘图神器下载
后台回复：绘图神器，即可下载绘制神经网络结构的神器！
PyTorch 学习资料下载
后台回复：PyTorch资料，即可下载访问最全的PyTorch入门和实战资料！
我的专栏
专栏订阅：https://blog.csdn.net/charmve/category_10595130.html迈微AI学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文
速递、优质开源项目、学习教程和实战训练等资料，
欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！
▲扫码进群
迈微AI研习社
微信号: MaiweiE_com
GitHub: @Charmve
CSDN、知乎: @Charmve
投稿: yidazhang1@gmail.com
主页: github.com/Charmve
整理不易，请点赞和在看
yolou开源|汇集yolo系列所有算法，集算法学习科研改进落地于一身！(代码片段)
这里推荐一个YOLO系列的算法实现库YOLOU，此处的“U”意为“United”的意思，主要是为了学习而搭建的YOLO学习库，也借此向前辈们致敬，希望不被骂太惨；整个算法完全是以YOLOv5的框架进行，主要包括的目... 查看详情
yolo系列目标检测算法-yolov7(代码片段)
YOLO系列目标检测算法目录YOLO系列目标检测算法总结对比YOLOv1YOLOv2YOLOv3YOLOv4Scaled-YOLOv4YOLOv5YOLOv6YOLOv7深度学习知识点总结专栏链接:https://blog.csdn.net/qq_39707285/article/details/124005405此专栏主要总结深度学习中的知识点，从各大数据... 查看详情
深度学习yolo系列算法
目录1yolo算法1.1Yolo算法思想1.2Yolo的网络结构1.2.1网络输入1.2.2网络输出1.2.2.17X7网格1.2.2.230维向量1.3Yolo模型的训练1.3.1训练样本的构建1.3.2损失函数1.3.3模型训练1.4模型预测1.5yolo总结2yoloV22.1预测更准确（better）2.1.1batchnormali... 查看详情
yolo算法(youonlylookonce)系列讲解与实现（待完善）
文章目录前言一、指标分析1.mAP(meanAveragePrecision)2.IOU二、YOLO1.YOLO-v1（1）步骤（2）网络结构（3）损失函数（4）存在问题2.YOLO-v2（1）新的尝试-Better（2）新的尝试- 查看详情
yolo系列算法精讲整理（持续更新）
0背景作为在工业界应用最广的目标检测算法，yolo系列不断推陈出新，先后有yolov1-yolov5,yolox，yolov6,yolov7等版本出现，性能也不断刷新。在查阅相关资料的同时，发现有很多博主介绍的非常精彩，遂进行整... 查看详情
yolo系列算法精讲整理（持续更新）
0背景作为在工业界应用最广的目标检测算法，yolo系列不断推陈出新，先后有yolov1-yolov5,yolox，yolov6,yolov7等版本出现，性能也不断刷新。在查阅相关资料的同时，发现有很多博主介绍的非常精彩，遂进行整... 查看详情
yolo系列算法精讲整理（持续更新）
0背景作为在工业界应用最广的目标检测算法，yolo系列不断推陈出新，先后有yolov1-yolov5,yolox，yolov6,yolov7等版本出现，性能也不断刷新。在查阅相关资料的同时，发现有很多博主介绍的非常精彩，遂进行整... 查看详情
机器学习之必知开源数据集
...oke.cn机器学习的研究与实现，离不开大数据。知晓通用的开源数据集，一方面可以验证自己算法，而另一方面也可以与其他算法进行比较。不少开源工具和框架都会含有默认的数据集，使学习者能很快上手。比如scikit-learn就直接... 查看详情
目标检测yolo系列算法的进化史
本文中将简单总结YOLO的发展历史，YOLO是计算机视觉领域中著名的模型之一，与其他的分类方法，例如R-CNN不同，R-CNN将检测结果分为两部分求解：物体类别（分类问题），物体位置即boundingbox（... 查看详情
yolo系列（yolov1-yolov5）算法详细介绍和总结
YOLO系列（YOLOv1-YOLOv5）算法详细介绍和总结文章目录YOLO系列（YOLOv1-YOLOv5）算法详细介绍和总结前言YOLOv1YOLOv1思想YOLOv1网络结构YOLOv1的损失函数YOLOv1的问题YOLOv2YOLOv2在YOLOv1的基础上做了如下尝试1.BatchNormalization2.HighR... 查看详情
yolo算法框架使用二
6，voc数据集训练模型1）下载数据集官网提供一些voc数据，是基于2007年到2012年的，你可以通过以下地址下载到：wgethttps://pjreddie.com/media/files/VOCtrainval_11-May-2012.tarwgethttps://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tarwgethttps:// 查看详情
深度学习和目标检测系列教程13-300：yolo物体检测算法(代码片段)
@Author：RunsenYOLO，是目前速度更快的物体检测算法之一。虽然它不再是最准确的物体检测算法，但当您需要实时检测时，它是一个非常好的选择，而不会损失太多的准确性。YOLO框架在本篇博客中，我将... 查看详情
目标检测yolo系列——yolov1
参考技术AYOLOv1:YouOnlyLookOnce:Unified,Real-TimeObjectDetectionYOLOv2:YOLO9000：Better，Faster，StrongerYOLOv3:YOLOv3:AnIncrementalImprovement近几年来，目标检测算法取得了很大的突破。比较流行的算法可以分为两类，一类是基于RegionProposal的R-CNN系算法... 查看详情
目标检测算法—yolo-v1
...，主要是突出这个算法 快 的特点。（原文：Yolo系列之前的文章：主要是rcnn系列的，他们的基本思想都是通过产生大量的regionproposal，然后再用分类器去判断分类和对boundingbox进行修正。为检测一个对象，在检测图像上的... 查看详情
xml文件读取与xml文件数据保存(使用yolo算法的辅助函数)(代码片段)
目前使用yolo系列算法较多，特别是今年yolo4的出现，是我们异常兴奋，但鉴于某些数据集使用xml标注的数据，未能转换成train.txt文件，为此，我写了一份xml文件读取，并将其转换为yolo等训练所需要的格式。希望对读者有些帮助... 查看详情
【目标检测算法解读】yolo系列算法二
参考技术Ahttps://blog.csdn.net/Gentleman_Qin/article/details/84349144|声明：遵循CC4.0BY-SA版权协议 建立在YOLOv1的基础上，经过JosephRedmon等的改进，YOLOv2和YOLO9000算法在2017年CVPR上被提出，并获得最佳论文提名，重点解决YOLOv1... 查看详情
深度学习之目标检测常用算法原理+实践精讲yolo/fasterrcnn/ssd/文本检测/多任务网络
深度学习之目标检测常用算法原理+实践精讲YOLO/FasterRCNN/SSD/文本检测/多任务网络资源获取链接：点击这里第1章课程介绍本章节主要介绍课程的主要内容、核心知识点、课程涉及到的应用案例、深度学习算法设计通用流程、适应... 查看详情
yolo算法(youonlylookonce)系列讲解与实现（待完善）
文章目录前言一、指标分析1.mAP(meanAveragePrecision)2.IOU二、YOLO1.YOLO-v1（1）步骤（2）网络结构（3）损失函数（4）存在问题2.YOLO-v2（1）新的尝试-Better（2）新的尝试-Faster（3）其... 查看详情