关键词:
siou精度是最高的,其次是yoloe,但是没开源:
即插即用 | SIoU 实现50.3 AP+7.6ms检测速度精度、速度完美超越YoloV5、YoloX_AI视觉网奇的博客-CSDN博客
先看YOLOv6精度:
Model | Size | mAPval 0.5:0.95 | SpeedV100 fp16 b32 (ms) | SpeedV100 fp32 b32 (ms) | SpeedT4 trt fp16 b1 (fps) | SpeedT4 trt fp16 b32 (fps) | Params (M) | Flops (G) |
---|---|---|---|---|---|---|---|---|
YOLOv6-n | 416 640 | 30.8 35.0 | 0.3 0.5 | 0.4 0.7 | 1100 788 | 2716 1242 | 4.3 4.3 | 4.7 11.1 |
YOLOv6-tiny | 640 | 41.3 | 0.9 | 1.5 | 425 | 602 | 15.0 | 36.7 |
YOLOv6-s | 640 | 43.1 | 1.0 | 1.7 | 373 | 520 | 17.2 | 44.2 |
右下角有个明显的漏检,比yoloe召回率要低,1060单张图片30ms左右,比yolov5s慢;优点:支持tensorrt
yoloe-s效果:
yoloe使用心得笔记:
yoloe 目标检测使用笔记_AI视觉网奇的博客-CSDN博客
yolov5精度:
Model | size (pixels) | mAPval 0.5:0.95 | mAPval 0.5 | Speed CPU b1 (ms) | Speed V100 b1 (ms) | Speed V100 b32 (ms) | params (M) | FLOPs @640 (B) |
---|---|---|---|---|---|---|---|---|
YOLOv5n | 640 | 28.0 | 45.7 | 45 | 6.3 | 0.6 | 1.9 | 4.5 |
YOLOv5s | 640 | 37.4 | 56.8 | 98 | 6.4 | 0.9 | 7.2 | 16.5 |
YOLOv5m | 640 | 45.4 | 64.1 | 224 | 8.2 | 1.7 | 21.2 | 49.0 |
YOLOv5l | 640 | 49.0 | 67.3 | 430 | 10.1 | 2.7 | 46.5 | 109.1 |
YOLOv5x | 640 | 50.7 | 68.9 | 766 | 12.1 | 4.8 | 86.7 | 205.7 |
YOLOv5n6 | 1280 | 36.0 | 54.4 | 153 | 8.1 | 2.1 | 3.2 | 4.6 |
YOLOv5s6 | 1280 | 44.8 | 63.7 | 385 | 8.2 | 3.6 | 12.6 | 16.8 |
YOLOv5m6 | 1280 | 51.3 | 69.3 | 887 | 11.1 | 6.8 | 35.7 | 50.0 |
YOLOv5l6 | 1280 | 53.7 | 71.3 | 1784 | 15.8 | 10.5 | 76.8 | 111.4 |
YOLOv5x6 + TTA |
yoloe精度:
PP-YOLOE-s | 640 | 43.1% | Training... | Training... | 7.93 | 17.36 | baidu pan code:qfld | baidu pan code:mwjy |
以下内容转自:
劲爆!YOLOv6又快又准的目标检测框架开源啦(附源代码下载)
代码地址:https://github.com/meituan/YOLOv6
精度对比:
图1-1 YOLOv6 各尺寸模型与其他模型性能对比
图1-2 YOLOv6 与其他模型在不同分辨率下性能对比
02
Yolov6关键技术
Hardware-friendly 的骨干网络设计
图2 Roofline Model 介绍图
图3 Rep算子的融合过程[4]
图4 EfficientRep Backbone 结构图
图5 Rep-PAN 结构图
更简洁高效的 Decoupled Head
图6 Efficient Decoupled Head 结构图
更有效的训练策略
03
实验结果及可视化
经过以上优化策略和改进,YOLOv6在多个不同尺寸下的模型均取得了卓越的表现。下表1展示了YOLOv6-nano的消融实验结果,从实验结果可以看出,我们自主设计的检测网络在精度和速度上都带来了很大的增益。
表1 YOLOv6-nano 消融实验结果
下表2展示了YOLOv6与当前主流的其他YOLO系列算法相比较的实验结果。从表格中可以看到:
表2 YOLOv6各尺寸模型性能与其他模型的比较
04
总结与展望
华为云技术分享介绍一个又快又准的截图骚操作
截图是可以说是每个人必备的技能,有时候需要截个手机屏,有时候需要截个网页屏,方式有很多,各种快捷键和插件也都能够办到。但下面这个情况不知道大家会怎么来做。需求切入有一天,我在电脑上看到了一条微博,或者... 查看详情
目标检测开源框架yolov6全面升级,更快更准的2.0版本来啦
9月5日,美团视觉智能部发布了YOLOv62.0版本,本次更新对轻量级网络进行了全面升级,量化版模型YOLOv6-S达到了869FPS,同时,还推出了综合性能优异的中大型网络(YOLOv6-M/L),丰富了YOLOv6网络系列。... 查看详情
目标检测开源框架yolov6全面升级,更快更准的2.0版本来啦
9月5日,美团视觉智能部发布了YOLOv62.0版本,本次更新对轻量级网络进行了全面升级,量化版模型YOLOv6-S达到了869FPS,同时,还推出了综合性能优异的中大型网络(YOLOv6-M/L),丰富了YOLOv6网络系列。... 查看详情
刷脸认证如何实现人脸又快又准完成校验?
互联网飞速发展的今天,各种App的验证方法也越来越方便用户,从一开始的密码输入,到后来的指纹解锁,演变成如今的刷脸认证。刷个脸,就可以解锁设备、在线/线下支付、通过门禁、快速检票等。与此同时也伴随了很多安... 查看详情
别乱用,这样打日志定位bug又快又准!(代码片段)
点击关注公众号,实用技术文章及时了解来源:blog.csdn.net/linsongbin1/article/details/90349661概述日常工作中,程序员需要经常处理线上的各种大小故障,如果业务代码没打印日志或者日志打印的不好,会极大的加大... 查看详情
通用目标检测开源框架yolov6在美团的量化部署实战
基于美团目标检测模型开源框架YOLOv6,本文介绍了一种通用的量化部署方案,在保持精度的同时大幅提升了检测的速度,为通用检测的工业化部署探索出一条可行之路,希望能给大家带来一些启发或者帮助。1.背... 查看详情
通用目标检测开源框架yolov6在美团的量化部署实战
1.背景和难点YOLOv6是美团发布的一款开源的面向工业应用的2D目标检测模型[1],主要特点是速度快、精度高、部署友好,在美团众多视觉业务场景中都有着广泛的应用。通过量化(Quantization)提升推理速度是实际工... 查看详情
通用目标检测开源框架yolov6在美团的量化部署实战
总第537篇2022年第054篇基于美团目标检测模型开源框架YOLOv6,本文介绍了一种通用的量化部署方案,在保持精度的同时大幅提升了检测的速度,为通用检测的工业化部署探索出一条可行之路,希望能给大家带来一些... 查看详情
yolov4怎么判断两个物体位置
...效的目标检测模型。你只要有1080Ti或2080TiGPU就能训练一个又快又准的objectdetector。验证了两个state-of-the-art方法Bag-of-Freebies和Bag-of-Specials在目标检测的效果。 查看详情
efficientdet:快又准,efficientnet作者在目标检测领域的移植cvpr2020
参考技术A论文:EfficientDet:ScalableandEfficientObjectDetection 目前目标检测领域,高精度的模型通常需要很大的参数量和计算量,而轻量级的网络则一般都会牺牲精度。因此,论文希望建立一个可伸缩的高精度且高性能的检测框架。... 查看详情
如何利用开源插件?又快又好地搞好数据接口开发,连通不同应用系统(代码片段)
目录前言介绍:开源插件TapdataPDK快速开始目标数据库接入准备环境下载源码并编译创建目标数据库的Connector工程开发完成之后通过TDD进行测试验证如何提交到PDK开源项目彩蛋前言介绍:毫不夸张地说,没有开发者还... 查看详情
又快又好,行人检测和人脸检测和人脸关键点检测(c++/android源码)(代码片段)
又快又好,行人检测(人体检测)和人脸检测和人脸关键点检测(C++/Android)目录又快又好,行人检测(人体检测)和人脸检测和人脸关键点检测(C++/Android)1.前言2.项目说明... 查看详情
sota!目标检测开源框架yolov63.0版本来啦
近日,美团视觉智能部发布了YOLOv63.0版本,再一次将目标检测的综合性能推向新高。YOLOv6-L6检测精度和速度超越YOLOv7-E6E,取得当前实时目标检测榜单SOTA。本文主要介绍了YOLOv63.0版本中引入的技术创新和优化,希... 查看详情
yolov6:面向工业应用的单阶段目标检测框架(代码片段)
...s://arxiv.org/pdf/2209.02976代码地址:https://github.com/meituan/YOLOv6多年来,YOLO系列一直是高效目标检测的行业标准。YOLO社区蓬勃发展,丰富了其在众多硬件平台和丰富场景中的使用。在这份技术报告力求将其极限推向新的高... 查看详情
开源了!文心大模型ernie-tiny轻量化技术,又准又快,效果全开
1大模型落地之路维艰近年来,随着深度学习技术的迅速发展,大模型预训练范式通过一次次刷新各种评测基线,证明了其卓越的学习与迁移能力。在这个过程中,研究者们发现通过不断扩大模型参数能持续提升深... 查看详情
开源了!文心大模型ernie-tiny轻量化技术,又准又快,效果全开
1大模型落地之路维艰近年来,随着深度学习技术的迅速发展,大模型预训练范式通过一次次刷新各种评测基线,证明了其卓越的学习与迁移能力。在这个过程中,研究者们发现通过不断扩大模型参数能持续提升深... 查看详情
超强实时跟踪系统首次开源支持跨镜头多类别小目标跟踪
...、自动驾驶、智慧城市等炙手可热行业的利器。但要实现又快又准的持续跟踪,往往面临被检目标多、相互遮挡、图像扭曲变形、背景杂乱、视角差异大、目标小且运动速度快等产业难题。▲ 视频引用公开数据集[1][2][3][4]... 查看详情
超强实时跟踪系统首次开源支持跨镜头多类别小目标跟踪
...、自动驾驶、智慧城市等炙手可热行业的利器。但要实现又快又准的持续跟踪,往往面临被检目标多、相互遮挡、图像扭曲变形、背景杂乱、视角差异大、目标小且运动速度快等产业难题。▲ 视频引用公开数据集[1][2][3][4]... 查看详情