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