yolo算法trick
统一使用yolov5代码框架,结合不同模块来构建不同的YOLO目标检测模型。
包括不限于以下模型:
包含多种YOLO模型的网络结构。
QAQ
新的仓库即将更新ing, 不是以前那个,再等等!!!
到时候这个csdn博客通知,关注不迷路!!!
YOLO Trick汇总、改进YOLO论文、应用YOLO写论文(推荐阅读)
具体 可以点个 收藏 关注csdn,后续更新ing…
一系列YOLO算法改进Trick组合!
内置很多Trick,进行排列组合,助力论文改进 or 不同数据集涨点、创新点改进
使用不同数据集的效果是不一致的。 需要通过具体实验尝试验证
基于 YOLO v5 代码框架,并同步适配 YOLOv5(v6.0/v6.1更新) 部署生态。
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、构建更强大的网络模型。
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
更多Backbone
更多Neck
更多Head
更多model
…
具体 可以点个 收藏博客 关注csdn后续,正在更新ing…
文章目录
-
- yolo算法trick
-
- 2.内置不同网络模型配置支持
-
- 可选择的YOLO组合
-
- 不同Backbone
- 不同Neck
- 不同Haed
- 不同注意力机制
- 不同组合模块
- 不同损失函数
- 不同NMS
- 不同Attention注意力机制选择组合
- 不同激活函数
- 其他Trick改进点
CSDN魔改YOLOv5系列文章:
改进YOLOv5系列:1.YOLOv5_CBAM注意力机制修改
改进YOLOv5系列:2.PicoDet结构的修改
改进YOLOv5系列:3.Swin Transformer结构的修改
改进YOLOv5系列:4.YOLOv5_最新MobileOne结构换Backbone修改
持续更新ing…
具体 可以点个 收藏博客 关注csdn后续,正在更新ing…
重点(推荐阅读)
支持更多的YOLO系列算法模型(持续更新…)
YOLOC 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 YOLOv7 模型网络结构
- 内置集成 YOLOX 网络结构
- 内置集成 YOLOR 模型网络结构
- 内置集成 YOLOv5 模型网络结构
- 内置集成 Scaled_YOLOv4 模型网络结构
- 内置集成 YOLOv4 模型网络结构
- 内置集成 YOLOv3 模型网络结构
- 以及部分改进模型
- TPH-YOLOv5模型网络结构
- YOLOv5-Lite模型网络结构
- PPYOLO模型网络结构
- PicoDet模型网络结构
…
以上多种检测算法使用统一模型代码框架,集成在 该库中,统一任务形式、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。工程算法部署落地更便捷,包含轻量化模型和精度更高的模型,根据场景合理选择,在精度和速度俩个方面取得平衡。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。
模型支持导出ONNX进行TensorRT推理,落地部署。
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
支持更多Backbone
- Backbone包含CSPDarkNet、ConvNext、RepBlock系列,ResNet系列、Transformer系列(Transformer、Swin系列、BotNet、CoTNet等持续更新)、以及轻量化网络ShuffleNet系列、Ghost系列、MobileNet系列等网络结构。
支持更多Neck
- neck包含FPN、PANet、BiFPN等主流结构。
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IAuxDetect Head, IDetect 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,例如SE、CBAM、CA、GAM、ECA…等多种主流注意力机制
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等;
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
内置多种网络模型模块化组件
- Conv, GhostConv, GhostConvGhostConv, GhostConv, GhostConv, GhostConv, GhostConv, GhostConv, GhostConv, GhostConv, …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。
使用
About the code. Follow the design principle of YOLOv5.
使用方式基本和YOLOv5框架对齐。
使用教程✨
与YOLOv5框架同步
- 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
2.内置不同网络模型配置支持
ing
可选择的YOLO组合
不同Backbone
前面有简介
不同Neck
前面有简介
不同Haed
- ✅ YOLOv5 Detect,
- ✅ YOLOX的解耦合检测头Decoupled Head,
- ✅ 自适应空间特征融合ASFF Head等检测头;
- ✅ Detectv7 Head等YOLOv7类型检测头;
不同注意力机制
不同组合模块
不同损失函数
不同NMS
不同Attention注意力机制选择组合
具体不同注意力机制Paper以及结构图
Attention Series
- External Attention
- Self Attention
- Simplified Self Attention
- Squeeze-and-Excitation Attention
- SK Attention
- CBAM Attention
- BAM Attention
- ECA Attention
- DANet Attention
- Pyramid Split Attention (PSA)
- Efficient Multi-Head Self-Attention(EMSA)
- Shuffle Attention
- MUSE Attention
- SGE Attention
- A2 Attention
- AFT Attention
- Outlook Attention
- ViP Attention
- CoAtNet Attention
- HaloNet Attention
- Polarized Self-Attention
- CoTAttention
- Residual Attention
- S2 Attention
- GFNet Attention
- Triplet Attention
- Coordinate Attention
- MobileViT Attention
- ParNet Attention
- UFO Attention
- MobileViTv2 Attention
不同激活函数
其他Trick改进点