BestYOLOダウンロード - BestYOLOソースコードのダウンロード

BestYOLO

AI ソースコード

1.0.0

ダウンロード

BestYOLO は、科学的研究と競争を指向したベスト YOLO 実践フレームワークです。

現在、BestYOLO は YOLOv5 v7.0 をベースに完全に改良されたオープンソースライブラリであり、移植性と使いやすさを目指し、常に実用的なアプリケーションを指向し、さまざまなモジュールの改良を簡素化します。現在、torchvision.models モデルバックボーンに基づく YOLOv5 ターゲット検出アルゴリズムが統合されており、より多くの YOLOv5 アプリケーションが徐々にオープンソース化される予定です。

？改善する

Backbone-ResNet18 は resnet18 と連携します
バックボーン RegNet_y_400mf 整列 regnet_y_400mf
バックボーン-MobileNetV3 small 整列 mobilenet_v3_small
バックボーン-EfficientNet_B0 に調整された効率的な net_b0
Backbone-ResNet34 は resnet34 と連携します
バックボーン-ResNet50 align resnet50
バックボーンと EfficientNetV2_s の調整された効率的な net_v2_s
バックボーンと EfficientNet_B1 の整合性効率的な net_b1
Backbone-MobileNetV2 は mobilenet_v2 と連携します
バックボーン-wide_resnet50_2 整列 Wide_resnet50_2
バックボーン-VGG11_BN 整列 vgg11_bn
バックボーン-Convnext Tiny align convnext_tiny

すべてのバックボーンモデルは、各 common.py モデルにpretrained=True追加することで、事前トレーニングされた重みの有効化をサポートします。 torchvision.modelsの事前トレーニングされた重みはすべて ImageNet-1K データセットに基づいてトレーニングされています。

モデル	レイヤー	パラメータ	モデルサイズ(MB)
ヨロフ5n	214	1766623	3.9
MobileNetV3	313	2137311	4.7
効率的なネット_b0	443	6241531	13.0
RegNety400	450	5000191	10.5
レスネット18	177	12352447	25.1
レスネット34	223	22460607	45.3
レスネット50	258	27560895	55.7
EfficientNetV2_s	820	22419151	45.8
効率的なネット_b1	539	6595615	13.8
モバイルネット_v2	320	4455295	9.4
ワイドレスネット50_2	258	70887103	142.3
vgg11_bn	140	10442879	21.9
convnext_tiny	308	29310175	59.0

.yaml構成ファイルのdepth_multipleとwidth_multiple同時に 1 に設定してみると、おそらく良い結果が得られるでしょう。

SPP は空間ピラミッドプーリングであり、適応サイズの出力を実現するために使用されます。 (最大プーリングや平均プーリングなどの従来のプーリング層の出力サイズは入力サイズにリンクされていますが、最終的に全結合層を作成して分類を実装する場合は、全結合入力を指定する必要があるため、ニューラルネットワークに任せるネットワークは特定の層で固定次元の出力を取得しますが、この方法はサイズ変更しないのが最善です (サイズ変更すると歪みが発生します)。そのため、SPP は He Kaiming によって最初に提案され、RCNN に適用されました。モデル）。現在の SPP は、faster-rcnn では現在の Multi-Scale-ROI-Align に発展し、Yolo では SPPF に発展しました。

yolov5n(SPPF)
yolov5n-SPP
yolov5n-SimSPPF
yolov5n-ASPP
yolov5n-RFB
yolov5n-SPPCSPC
yolov5n-SPPCSPC_グループ
yolov5n-SimCSSPSPPF

モデル	レイヤー	パラメータ
yolov5n(SPPF)	214	1766623
yolov5n-SPP	217	1766623
yolov5n-SimSPPF	216	1766623
yolov5n-ASPP	214	3831775
yolov5n-RFB	251	1932287
yolov5n-SPPCSPC	232	3375071
yolov5n-SPPCSPC_グループ	232	2047967
yolov5n-SimCSSPSPPF	229	3375071

ヨロフ5n
yolov5n-FPN-AC
yolov5n-PAN-AC
yolov5n-FPN+PAN-AC
yolov5n-FPN-AS
yolov5n-PAN-AS
yolov5n-FPN+PAN-AS

モデル	レイヤー	パラメータ
ヨロフ5n	214	1766623
yolov5n-FPN-AC	188	1858399
yolov5n-PAN-AC	186	1642591
yolov5n-FPN+PAN-AC	160	1734367
yolov5n-FPN-AS	204	2106847
yolov5n-PAN-AS	194	1891039
yolov5n-FPN+PAN-AS	184	2231263

最適なトランスポート割り当て
トレーニング支援最適な輸送割り当て
ソフトNMS

Soft-NMSトレーニングに使用しないでください。時間がかかりすぎるため、 val段階で有効にしてください。小規模なターゲットの重複データに適しています。

分離ヘッド
DCNv2
WBF
DCNv3
NWD

応用

TFjsのデプロイと使用
TensorRT は YOLOv5 をデプロイします
Pyqt GUIの使用法

YOLOv5 WeChat アプレット

YOLOv5 データセット制作アシスタント

YOLOv5 単一ボックス複数ラベル

フォギングオーグメント

？スキル

YOLOv5 モデルのトレーニングとテスト、およびマルチターミナル展開の教育コンテンツ
YOLOv5-OneFlow 実装をゼロから 1 まで理解する
YOLOV5 FPS計算問題
YOLOシリーズのネックモジュールのご紹介
YOLOv5 データ拡張の詳細な説明 (hyp.scratch-low.yaml および augmentations.py)
YOLOv5 のどのバージョンにも Grad-CAM ヒートマップ視覚化が追加されています
YOLOv5 によってトレーニングされたモデルの重み暗号化および復号化メソッド
YOLOv5 シリーズ: 6. Soft-NMS、Soft-CIoUNM を変更する...
YOLOv5 シリーズ: 空間ピラミッドプーリングにより SPPF/SPPFCSPC が改善されました...
YOLOv5 | 視覚タスク用の独立した自己注意レイヤー
YOLOv5 プロジェクトコードの暗号化
YOLOv5: 見逃し検出率と誤検出率の出力を追加
YOLOv5 分析 | Draw results.csv ファイルのデータ比較表
YOLOv5 のコツ - 画像サンプリング戦略 - データセットの各カテゴリの重みに応じたサンプリング
YOLOv5 が地域ターゲット検出を実行する方法 (ステップバイステップのチュートリアル)
2D ターゲット検出論文の包括的なレビュー (37 件)
私は YOLO を一夜にして改善した中国のコアジャーナルを 30 冊以上読みました。
CNKI の YOLO に対する最新の改善に関するコアペーパーのコレクション 22 のイノベーションの概要 |

小型ターゲット検出キラー: yolov5-pip と sahi
小さなターゲット検出の最大の要因: 詰め込みデータの強化

トレーニングデータと推論データは同じデータ形式のままであることに注意してください。つまり、カットされていないグラフを通じてトレーニングし、カットグラフに基づいて推論することはできません。

未熟なオプティマイザ選択のリファレンス:

?参照

https://github.com/ultralytics/yolov5/tree/v7.0
https://github.com/ppogg/YOLOv5-Lite
https://github.com/deepcam-cn/yolov5-face
https://github.com/Gumpest/YOLOv5-Multibackbone-Compression
https://github.com/jizhishutong/YOLOU
https://github.com/Bobo-y/flexible-yolov5
https://github.com/iscyy/yoloair
https://github.com/WangQvQ/Yolov5_Magic
https://github.com/Hongyu-Yue/yoloV5_modify_smalltarget
https://github.com/wuzhihao7788/yolodet-pytorch
https://github.com/iscyy/yoloair2
https://github.com/positive666/yolo_research
https://github.com/Javacr/PyQt5-YOLOv5
https://github.com/yang-0201/YOLOv6_pro
https://github.com/yhwang-hub/dl_model_deploy
https://github.com/FeiYull/TensorRT-Alpha
https://github.com/sjinzh/awesome-yolo-object-detection
https://github.com/z1069614715/objectdetection_script
https://github.com/icey-zhang/SuperYOLO
https://github.com/akashAD98/awesome-yolo-object-detection

？仕事

https://github.com/cv516Buaa/tph-yolov5
https://github.com/icey-zhang/SuperYOLO
https://github.com/luogen1996/OneTeacher
https://github.com/AlibabaResearch/efficientTeacher
https://github.com/YOLOonMe/EMA-attention-module
https://github.com/maggiez0138/yolov5_quant_sample
https://github.com/OutBreak-hui/YoloV5-Flexible-and-Inference
https://github.com/Johnathan-Xie/ZSD-YOLO
https://github.com/chengshuxiao/YOLOv5-ODConvNeXt
https://github.com/LSH9832/edgeyolo
https://github.com/Koldim2001/YOLO-Patch-Based-Inference

？引用

 @ article { 2023 bestyolo ,
  title = {{ BestYOLO }: Making research and competition easier },
  author = { Rongsheng Wang },
  repo = { github https : // github . com / WangRongsheng / BestYOLO },
  year = { 2023 }
}