yoloair2

🌟 全新的YOLOv7改进版本来袭，最新改进点更新🚀2024

YOLOAir2☁️💡🎈 : 让改进再次变得简单(专注于改进 YOLOv7 、YOLOv-Tiny 模型)

手把手改进YOLO系列: 全面改进篇更新🔗： 点击查看详情🚀 - 更多更全更新颖·《原创》·《最新》· 手把手改进YOLO系列详细教程(包括改进原理以及改进源代码 · 改进有效涨点)📚

简介

☁️💡🎈YOLOAir2是YOLOAir系列的第二个版本，框架基于YOLOv7，包括YOLOv7、YOLOv6、YOLOv5、YOLOX、YOLOR、YOLOv4、YOLOv3、Transformer、注意力机制和改进版YOLOv7等。支持改进Backbone、Neck、Head、Loss、IoU、NMS等模块，作为YOLOAir的完善和补充。

模型多样化：基于不同网络模块构建不同检测网络模型。

模块组件化：帮助用户自定义快速组合Backbone、Neck、Head，使得网络模型多样化，助力科研改进检测算法、模型改进，网络排列组合🏆。构建强大的网络模型。

统一模型代码框架、统一应用方式、统一调参、统一改进、集成多任务、易于模块组合、构建更强大的网络模型。

内置集成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等模型网络结构... 集成多种检测算法和相关多任务模型使用统一模型代码框架，集成在YOLOAir库中，统一应用方式。便于科研者用于论文算法模型改进，模型对比，实现网络组合多样化。包含轻量化模型和精度更高的模型，根据场景合理选择，在精度和速度两个方面取得平衡。同时该库支持解耦不同的结构和模块组件，让模块组件化，通过组合不同的模块组件，用户可以根据不同数据集或不同业务场景自行定制化构建不同检测模型。

支持集成多任务，包括目标检测、实例分割、图像分类、姿态估计、人脸检测、目标跟踪等任务

Star🌟、Fork 不迷路，同步更新。 项目地址🌟：https://github.com/iscyy/yoloair

主要特性🚀

🚀支持更多YOLO系列算法模型改进（持续更新...）

YOLOAir 算法库汇总了多种主流YOLO系列检测模型，一套代码集成多种模型：

• 内置集成 YOLOv5、YOLOv7、YOLOv6、PP-YOLO、PP-YOLOE、PP-YOLOEPlus、YOLOR、YOLOX、ScaledYOLOv4、YOLOv4、YOLOv3、YOLO-FaceV2、TPH-YOLOv5、SPD-YOLO、SlimNeck-YOLO、YOLOv5-Lite、PicoDet等模型网络结构，持续更新中...

待办事项

内置网络模型配置支持✨

🚀包括基于 YOLOv5、YOLOv7、YOLOX、YOLOR、YOLOv3、YOLOv4、Scaled_YOLOv4、PPYOLO、PPYOLOE、PPYOLOEPlus、Transformer、YOLO-FaceV2、PicoDet、YOLOv5-Lite、TPH-YOLOv5、SPD-YOLO等其他多种改进网络结构等算法模型的模型配置文件

效果预览🚀

目标检测	目标分割

图像分类	实例分割

目标分割	目标跟踪

姿态估计	人脸检测

热力图01	热力图02

预训练权重🚀

• 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🍉

关于代码 遵循 YOLOv7 的设计原则。 原始版本基于 YOLOv7 和 YOLOAir 创建

安装

在 Python>=3.7.0 的环境中克隆版本仓并安装 requirements.txt，包括 PyTorch>=1.7。

$ git clone https://github.com/iscyy/yoloair2.git  # 克隆
$ cd yoloair2
$ pip install -r requirements.txt  # 安装

训练

$ python train.py --cfg configs/yolov5/yolov5s.yaml

推理

detect.py 在各种数据源上运行推理，并将检测结果保存到 runs/detect 目录。

$ 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

性能

YOLOv7训练教程✨

与YOLOv5框架基本一致，可以参考YOLOAir库

• 训练自定义数据 🚀 推荐
• 获得最佳训练效果的技巧 ☘️ 推荐
• 使用 Weights & Biases 记录实验 🌟 新
• Roboflow：数据集、标签和主动学习 🌟 新
• 多GPU训练
• PyTorch Hub ⭐ 新
• TFLite, ONNX, CoreML, TensorRT 导出 🚀
• 测试时数据增强 (TTA)
• 模型集成
• 模型剪枝/稀疏性
• 超参数进化
• 带有冻结层的迁移学习 ⭐ 新
• 架构概要 ⭐ 新

未来增强✨

后续我们将持续建设和完善 YOLOAir 生态
完善集成更多 YOLO 系列模型，持续结合不同模块，构建更多不同网络模型
横向拓展和引入关联技术等等

引用✨

@article{2022yoloair2,
  title={{YOLOAir2}: 让改进再次变得简单},
  author={iscyy},
  repo={github https://github.com/iscyy/yoloair2},
  year={2022}
}

声明

致谢