

集成多种YOLO改进点，面向小白科研的YOLO检测代码库YOLOAir

极市平台

2022-08-22

↑ 点击蓝字关注极市平台

来源丨机器之心

编辑丨极市平台

极市导读

YOLOAir 算法代码库是一个基于 PyTorch 的 YOLO 系列目标检测开源工具箱。使用统一模型代码框架、统一应用方式、统一调参，该库包含大量的改进模块，可使用不同网络模块来快速构建不同网络的检测模型。基于 YOLOv5 代码框架，并同步适配 YOLOv5(v6.0/v6.1 更新) 部署生态。用户在使用这个项目之前, 可以先了解 YOLOv5 库。>>【极市平台 x VALSE2022 CV开发者之夜】非正式交流晚宴向您发出邀请！🌟🌟🌟来现场朋友请戳此报名：https://sourl.cn/eiRQ84

该项目包含大量的改进方式，并能降低改进难度，改进点包含 Backbone、Neck、Head、注意力机制、IoU 损失函数、多种 NMS、Loss 损失函数、自注意力机制系列、数据增强部分、激活函数等部分，更多内容可以关注 YOLOAir 项目的说明文档。项目同时附带各种改进点原理及对应的代码改进方式教程，用户可根据自身情况快速排列组合，在不同的数据集上实验, 应用组合改进点写论文！

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，使得改进检测算法、工程算法部署落地更便捷，构建更强大的网络模型。

支持YOLOv5、YOLOv7、YOLOX、YOLOR、YOLOv3、YOLOv4、Scaled_YOLOv4、Transformer等算法网络模型进行改进。

项目地址: https://github.com/iscyy/yoloair

项目介绍

主要特性

持续更新支持更多的 YOLO 系列算法模型，作者对可以进行改进的部分进行了分类：

支持更多 Backbone

CSPDarkNet 系列
ResNet 系列
RegNet 系列
RepBlock 系列
ShuffleNet 系列
Ghost 系列
MobileNet 系列
ConvNext 系列
RepLKNet 系列
EfficientNet
CNN 和 Transformer 混合：BoTNet、CoTNet、Acmix
自注意力机制 Transformer：Transformer、Swin

支持更多 Neck

neck 包含 FPN、PANet、BiFPN 等主流结构，同时可以添加和替换任何模块

支持更多检测头 Head

YOLOv5 Head 检测头
YOLOX 的解耦合检测头 Decoupled Head
自适应空间特征融合检测头 ASFF Head
YOLOv7 检测头 IDetect Head、IAuxDetect Head 等

支持更多即插即用的注意力机制

在网络任何部分即插即用式使用注意力机制
SE、CBAM、CA、GAM、ECA 等多种主流注意力机制
Self Attention
Contextual Transformer
Bottleneck Transformer
S2-MLP Attention
SK Attention
CBAM Attention
SE Attention
Coordinate attention
BAM Attention
GAM attention
ECA Attention
Shuffle Attention
DANet Attention
持续更新中

支持更多损失函数

CIoU、DIoU、GIoU、EIoU、SIoU、alpha IOU 等损失函数

支持更多 NMS

NMS、Merge-NMS、DIoU-NMS、Soft-NMS、CIoU-NMS、DIoU-NMS、GIoU-NMS、EIoU-NMS、SIoU-NMS、Soft-SIoUNMS、Soft-CIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GIoUNMS 等持续更新中

支持更多数据增强

Mosaic、Copy paste、Random affine(Rotation, Scale, Translation and Shear)、MixUp、Augment HSV(Hue, Saturation, Value，Random horizontal flip)

支持更多 Loss

ComputeLoss、ComputeNWDLoss、ComputeXLoss、ComputeLossAuxOTA(v7)、ComputeLossOTA(v7) 等

支持加载 YOLOv3、YOLOv4、YOLOv5、YOLOv7、YOLOR 等网络的官方预训练权重进行迁移学习
支持 Anchor-base 检测器和 Anchor-Free 检测器

内置多种网络模型模块化组件

Conv, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, MixConv2d, DWT, BottleneckCSP2SAM, VoVCSP 等

以上组件模块使用统一模型代码框架、统一任务形式、统一应用方式，模块组件化可以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，构建更强大的网络模型。

内置改进网络模型配置支持

包括基于 YOLOv5 的其他几十种改进网络结构等算法模型的 yaml 配置文件汇总，使用 YOLOv5 网络作为示范，可以将这些模块无缝加入到 YOLOv7、YOLOX、YOLOR、YOLOv4、Scaled_YOLOv4、YOLOv3 等系列 YOLO 算法模块。

用户可自行基于提供的网络模块，进行自定义改进网络。

YOLOAir 算法库汇总了多种主流 YOLO 系列检测模型，一套代码汇集多种模型结构:

内置 YOLOv5 模型网络结构
内置 YOLOv7 模型网络结构
内置 YOLOX 模型网络结构
内置 YOLOR 模型网络结构
内置 Scaled_YOLOv4 模型网络结构
内置 YOLOv4 模型网络结构
内置 YOLOv3 模型网络结构
TPH-YOLO 模型网络结构
YOLOv5-Lite 模型网络结构
YOLO-FaceV2 模型网络结构
PicoDet 模型网络结构
以及其他部分改进模型

以上多种检测算法网络模型使用统一代码框架，集成在 YOLOAir 代码库中，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，在精度和速度者两个方面取得平衡。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。

使用

代码遵循 YOLOv5 设计原则，使用方式基本和 YOLOv5 框架对齐。

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/yoloair.git  # 克隆$ cd yoloair$ pip install -r requirements.txt  # 安装

训练

$ python train.py --data coco128.yaml --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 img.jpg

融合

如果使用不同的模型推理数据集，可以使用 wbf.py 通过加权框融合来集成结果。在 wbf.py 中设置 img 路径和 txt 路径。

$ python tools/wbf.py

教程

基本教程与 YOLOv5 框架同步，

其他教程如下 (持续更新中…)

公众号后台回复“极市直播”获取极市直播第100期（视频实例分割新SOTA：SeqFormer&IDOL）PPT下载～

△点击卡片关注极市平台，获取最新CV干货

极市干货

算法竞赛：1000W奖池，AI算法等你来战！粤港澳大湾区（黄埔）国际算法算例大赛正式开赛！

技术综述：防止模型过拟合的方法汇总｜浅析深度学习在图像处理中的应用趋势及常见技巧

极视角动态：极视角与惠普签署战略合作协议，共拓智慧工业市场｜极智产品融合｜极视角罗韵解读「行业+AI」融合创新的实操手册

“

点击阅读原文进入CV社区

收获更多技术干货

【声明】内容源于网络

极市平台

为计算机视觉开发者提供全流程算法开发训练平台，以及大咖技术分享、社区交流、竞赛实践等丰富的内容与服务。

内容 8155

粉丝 0

极市平台为计算机视觉开发者提供全流程算法开发训练平台，以及大咖技术分享、社区交流、竞赛实践等丰富的内容与服务。

总阅读3.2k

粉丝0

内容8.2k