YOLOAirYOLO 檢測(cè)算法組合工具箱
YOLOAir 算法庫(kù)是一個(gè)基于 PyTorch 的一系列 YOLO 檢測(cè)算法組合工具箱，用來(lái)組合不同模塊構(gòu)建不同網(wǎng)絡(luò)。YOLOAir 基于 YOLOv5 代碼框架，并同步適配穩(wěn)定的 YOLOv5_v6.1 更新, 同步 v6.1 部署生態(tài)。
YOLOAir 內(nèi)置 YOLOv5、YOLOv7、YOLOX、YOLOR、Transformer、Scaled_YOLOv4、YOLOv3、YOLOv4、YOLO-Facev2、TPH-YOLOv5、YOLOv5Lite、PicoDet 等模型網(wǎng)絡(luò)結(jié)構(gòu)，還在持續(xù)更新中。
模塊組件化：幫助用戶自定義快速組合Backbone、Neck、Head，使得網(wǎng)絡(luò)模型多樣化，助力科研改進(jìn)檢測(cè)算法、模型改進(jìn)，網(wǎng)絡(luò)排列組合，構(gòu)建強(qiáng)大的網(wǎng)絡(luò)模型。
主要特性
支持更多的YOLO系列算法模型改進(jìn)
YOLOAir 算法庫(kù)匯總了多種主流YOLO系列檢測(cè)模型，一套代碼集成多種模型:
- 內(nèi)置集成 YOLOv5 模型網(wǎng)絡(luò)結(jié)構(gòu)、YOLOv7 模型網(wǎng)絡(luò)結(jié)構(gòu)、 YOLOR 模型網(wǎng)絡(luò)結(jié)構(gòu)、YOLOX 模型網(wǎng)絡(luò)結(jié)構(gòu)、Scaled_YOLOv4 模型網(wǎng)絡(luò)結(jié)構(gòu)、YOLOv4 模型網(wǎng)絡(luò)結(jié)構(gòu)、YOLOv3 模型網(wǎng)絡(luò)結(jié)構(gòu)、YOLO-FaceV2模型網(wǎng)絡(luò)結(jié)構(gòu)、TPH-YOLOv5模型網(wǎng)絡(luò)結(jié)構(gòu)、YOLOv5-Lite模型網(wǎng)絡(luò)結(jié)構(gòu)、PicoDet模型網(wǎng)絡(luò)結(jié)構(gòu)等，持續(xù)更新中...
- 以上多種檢測(cè)算法使用統(tǒng)一模型代碼框架，集成在 YOLOAir 庫(kù)中，統(tǒng)一任務(wù)形式、統(tǒng)一應(yīng)用方式。便于科研者用于論文算法模型改進(jìn)，模型對(duì)比，實(shí)現(xiàn)網(wǎng)絡(luò)組合多樣化。工程算法部署落地更便捷，包含輕量化模型和精度更高的模型，根據(jù)場(chǎng)景合理選擇，在精度和速度倆個(gè)方面取得平衡。同時(shí)該庫(kù)支持解耦不同的結(jié)構(gòu)和模塊組件，讓模塊組件化，通過(guò)組合不同的模塊組件，用戶可以根據(jù)不同數(shù)據(jù)集或不同業(yè)務(wù)場(chǎng)景自行定制化構(gòu)建不同檢測(cè)模型。
使用
安裝
在Python>=3.7.0 的環(huán)境中克隆版本倉(cāng)并安裝 requirements.txt，包括PyTorch>=1.7。
$ git clone https://github.com/iscyy/yoloair.git # 克隆 $ cd YOLOAir $ pip install -r requirements.txt # 安裝
訓(xùn)練
$ python train.py --data coco128.yaml --cfg configs/yolov5/yolov5s.yaml #默認(rèn)為yolo
推理
detect.py 在各種數(shù)據(jù)源上運(yùn)行推理, 并將檢測(cè)結(jié)果保存到 runs/detect 目錄。
$ python detect.py --source 0 # 網(wǎng)絡(luò)攝像頭 img.jpg # 圖像 vid.mp4 # 視頻 path/ # 文件夾 path/*.jpg # glob
融合
如果您使用不同模型來(lái)推理數(shù)據(jù)集，則可以使用 wbf.py文件 通過(guò)加權(quán)框融合來(lái)集成結(jié)果。 您只需要在 wbf.py文件 中設(shè)置 img 路徑和 txt 路徑。
$ python wbf.py