yolov6解锁了新姿势

通过下载yolo6的程序

yOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率

YOLOv6 主要在 BackBone、Neck、Head 以及训练策略等方面进行了诸多的改进：

• 统一设计了更高效的 Backbone 和 Neck ：受到硬件感知神经网络设计思想的启发，基于 RepVGG style[4] 设计了可重参数化、更高效的骨干网络 EfficientRep Backbone 和 Rep-PAN Neck。
• 优化设计了更简洁有效的 Efficient Decoupled Head，在维持精度的同时，进一步降低了一般解耦头带来的额外延时开销。
• 在训练策略上，我们采用Anchor-free 无锚范式，同时辅以 SimOTA[2] 标签分配策略以及 SIoU[9] 边界框回归损失来进一步提高检测精度。

然后进行测试

用了ylov6 s的权重文件  进行测试

可以看出 6s的效果是最好的 

得到的了结果如上所示

python tools/infer.py --weights yolov6s.pt --source image1.jpg

python tools/infer.py --weights yolov6s.pt --source data/images 代表了测试文件夹下面的材料

 YOLOv6传送门：https://github.com/meituan/YOLOv6

在这里

经过一会  咱们在看训练的效果如何

     2/399     3.002     1.709     5.856     1.522:  40%|████      | 17/42 [00:36<00:51,  2.08s/it]                          2/399     3.002     1.709     5.856     1.522:  43%|████▎     | 18/42 [00:36<00:48,  2.02s/it]                          2/399     2.999     1.708     5.858     1.526:  43%|████▎     | 18/42 [00:38<00:48,  2.02s/it]                          2/399     2.999     1.708     5.858     1.526:  45%|████▌     | 19/42 [00:38<00:46,  2.02s/it]                          2/399     2.994     1.707     5.839     1.526:  45%|████▌     | 19/42 [00:40<00:46,  2.02s/it]                          2/399     2.994     1.707     5.839     1.526:  48%|████▊     | 20/42 [00:40<00:43,  1.98s/it]                          2/399     2.989     1.706     5.814     1.527:  48%|████▊     | 20/42 [00:42<00:43,  1.98s/it]                          2/399     2.989     1.706     5.814     1.527:  50%|█████     | 21/42 [00:42<00:41,  1.97s/it]                          2/399     2.989     1.703     5.828     1.526:  50%|█████     | 21/42 [00:44<00:41,  1.97s/it]                          2/399     2.989     1.703     5.828     1.526:  52%|█████▏    | 22/42 [00:44<00:39,  1.96s/it]                          2/399     2.982     1.701      5.84     1.534:  52%|█████▏    | 22/42 [00:46<00:39,  1.96s/it]                          2/399     2.982     1.701      5.84     1.534:  55%|█████▍    | 23/42 [00:46<00:37,  1.95s/it]                          2/399     2.982     1.699     5.836      1.53:  55%|█████▍    | 23/42 [00:48<00:37,  1.95s/it]                          2/399     2.982     1.699     5.836      1.53:  57%|█████▋    | 24/42 [00:48<00:35,  1.95s/it]                          2/399     2.979     1.696     5.816     1.531:  57%|█████▋    | 24/42 [00:50<00:35,  1.95s/it]                          2/399     2.979     1.696     5.816     1.531:  60%|█████▉    | 25/42 [00:50<00:32,  1.92s/it]                          2/399     2.974     1.695     5.798     1.531:  60%|█████▉    | 25/42 [00:52<00:32,  1.92s/it]                          2/399     2.974     1.695     5.798     1.531:  62%|██████▏   | 26/42 [00:52<00:30,  1.93s/it]                          2/399     2.976     1.696     5.786      1.53:  62%|██████▏   | 26/42 [00:54<00:30,  1.93s/it]                          2/399     2.976     1.696     5.786      1.53:  64%|██████▍   | 27/42 [00:54<00:28,  1.93s/it]                          2/399     2.978     1.696     5.777     1.526:  64%|██████▍   | 27/42 [00:56<00:28,  1.93s/it]                          2/399     2.978     1.696     5.777     1.526:  67%|██████▋   | 28/42 [00:56<00:26,  1.93s/it]                          2/399     2.976     1.692     5.776     1.528:  67%|██████▋   | 28/42 [00:58<00:26,  1.93s/it]        

目前这是我训练的操作过程