YoloAll V2发布，集成所有主流Yolo模型于一身（附代码已开源）

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

源代码地址：GitHub - DL-Practise/YoloAll: YoloAll is a collection of yolo all versions. you you use YoloAll to test yolov3/yolov5/yolox/yolo_fastest

计算机视觉研究院专栏

作者：Edison_G

YoloAll是一个将当前主流Yolo版本集成到同一个UI界面下的推理预测工具。可以迅速切换不同的yolo版本，并且可以针对图片，视频，摄像头码流进行实时推理，可以很方便，直观的对比不同版本的yolo的推理效果，耗时等。

一、YoloAll 演示视频

二、YoloAll 项目简介

自从YoloAll V1（链接：YoloALL：解决不同版本YOLO的选择进行目标检测推理（源代码已开源））版本推出以后，得到了很多朋友的喜欢，大家也跟我一样，被众多的Yolo版本所困扰，有时为了比较两个不同版本的Yolo的效果，往往需要花费很长时间搭建环境，并且很容易出错，因此才有了这个开发这个YoloAll的想法，能够非常方便的测试不同Yolo的效果！

注意这个是测试推理效果的哦，不能进行训练，如果想要非常方便的训练，推荐另外一个可视化的YoloX训练项目：

YoloX EasyTrain：https://github.com/DL-Practise/YoloX_EasyTrain

三、YoloAll V2.0新特性

更全\更美\更强\更易用

• 增加了YoloV4，更新YoloV5到6.0版本，更新YoloX到0.1.1版本
  

• 重新设计了界面，美观度提升，使用起来更加舒畅
  

• 增加了模型推理时候的参数配置
  

• 增加了模型自动下载功能，方便下载与训练模型；
  

• 集成了使用手册，方便查阅；
  

• 将所有模型的依赖放到根目录，安装依赖更加方便

四、YoloAll安装

操作系统：Win10、Win7、Ubuntu16.04（其他操作系统没有测试过）

python环境：python3.7

cuda环境：cuda10.1（也可以不用cuda，使用cpu推理）

step1、下载YoloAll源码

GitHub - DL-Practise/YoloAll: YoloAll is a collection of yolo all versions. you you use YoloAll to test yolov3/yolov5/yolox/yolo_fastest

step2、解压YoloAll，进入到根目录

cd  root/to/yoloall

step3、升级pip

python -m pip install --upgrade pip

step4、安装依赖项

pip install -r requirements.txt

五、YoloAll使用

启动YoloAll

python main_widget.py

 界面简介

主要包括模型管理界面，配置界面，预测界面、消息界面和日志界面组成。

• 模型管理界面：会将所有的模型以及子模型（例如YoloX包含s,m,l等子模型）

• 配置界面：用于配置一些预测参数，例如置信度阈值，nms阈值，图片大小等

• 预测界面：用于展现预测结果

• 消息界面：展现YoloAll的升级信息，使用教程等

• 日志界面：展示一些关键的日志信息

模型加载

刚启动YoloAll的时候，软件会去加载所有的模型，包括所有的子模型，因此需要等待一段时间，此时在日志界面会有相关的提示信息，需要等到日志界面出现“加载模型结束”。此时模型管理界面会出现所有加载的模型，表示模型的加载已经结束，可以进行测试了。

下载预训练模型

由于预训练模型通常都很大，因此，下载的YoloAll中是不包含预训练模型的，需要通过鼠标点击模型管理界面中的子模型，例如点击YoloX下面的yolox_l模型，会弹出提示框，提示预训练模型未下载，然后会在提示框中展示预训练模型的下载链接（有可能有多个下载链接），选择一个网速不错的链接，从浏览器下载，下载完毕之后，根据提示框中的提示信息，放到对应的文件夹下面。

预测

下载完预训练模型，并放到指定文件夹后，再次点击模型管理界面的模型，就会开始创建模型，并显示创建模型成功的界面。

此时可以点击预测界面的Photo按钮，选择一张图片进行预测，也可以点击Video按键，选择一段视频文件进行预测，也可以点击Camera按钮，启动摄像头进行拍摄和预测。

修改预测参数

在预测过程中，如果需要进行CPU、GPU的切换，或者修改预测参数，例如修改图像分辨率，置信度阈值，nms阈值等，可以在配置界面进行修改的勾选或者修改，修改完后，点击保存按钮，软件会重新创建模型，等模型创建成功后，可以继续使用新的配置进行预测。 

预测信息

预测成功后，会在预测界面展示预测的信息，图中的方框即为预测出来的目标，红色的文字是预测的速度和FPS。大家可以切换不同的模型，进行预测结果以及耗时的对比。

© THE END 

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

扫码关注

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

 往期推荐 

• LCCL网络：相互指导博弈来提升目标检测精度（附源代码）
  

• Double-Head:重新思考检测头，提升精度（附原论文下载）
  

• ResNet超强变体：京东AI新开源的计算机视觉模块！（附源代码）
  

• Double-Head:重新思考检测头，提升精度（附原论文下载）
  

• MUCNetV2：内存瓶颈和计算负载问题一举突破？分类&检测都有较高性能（附源代码下载）
  

• 旋转角度目标检测的重要性！！！（附源论文下载）
  

• 双尺度残差检测器：无先验检测框进行目标检测（附论文下载）
  

• Fast YOLO：用于实时嵌入式目标检测（附论文下载）
  

• Micro-YOLO：探索目标检测压缩模型的有效方法（附论文下载）
  

• 目标检测干货 | 多级特征重复使用大幅度提升检测精度（文末附论文下载）