BestYOLO下載 - BestYOLO原始碼下載

BestYOLO

Ai源碼

1.0.0

下載

BestYOLO是以科學研究和競賽為導向的最好的YOLO實踐架構!

目前BestYOLO是一個完全基於YOLOv5 v7.0 進行改進的開源庫，該庫將始終秉持以落地應用為導向，以輕便化使用為宗旨，簡化各種模組的改進。目前已經整合了基於torchvision.models 模型為Backbone的YOLOv5目標檢測演算法，同時也將逐漸開源更多YOLOv5應用程式。

?改進

Backbone-ResNet18 對齊resnet18
Backbone-RegNet_y_400mf 對齊regnet_y_400mf
Backbone-MobileNetV3 small 對齊mobilenet_v3_small
Backbone-EfficientNet_B0 對齊efficientnet_b0
Backbone-ResNet34 對齊resnet34
Backbone-ResNet50 對齊resnet50
Backbone-EfficientNetV2_s 對齊efficientnet_v2_s
Backbone-EfficientNet_B1 對齊efficientnet_b1
Backbone-MobileNetV2 對齊mobilenet_v2
Backbone-wide_resnet50_2 對齊wide_resnet50_2
Backbone-VGG11_BN 對齊vgg11_bn
Backbone-Convnext Tiny 對齊convnext_tiny

所有Backbone都支援開啟預訓練權重，只需加入pretrained=True到每個common.py 的模型中。 torchvision.models中的預訓練權重都是基於ImageNet-1K資料集訓練的！

models	layers	parameters	model size(MB)
yolov5n	214	1766623	3.9
MobileNetV3s	313	2137311	4.7
efficientnet_b0	443	6241531	13.0
RegNety400	450	5000191	10.5
ResNet18	177	12352447	25.1
ResNet34	223	22460607	45.3
ResNet50	258	27560895	55.7
EfficientNetV2_s	820	22419151	45.8
efficientnet_b1	539	6595615	13.8
mobilenet_v2	320	4455295	9.4
wide_resnet50_2	258	70887103	142.3
vgg11_bn	140	10442879	21.9
convnext_tiny	308	29310175	59.0

.yaml設定檔中的depth_multiple和width_multiple可以同時設定為1試試，說不定會有不錯的效果。

SPP是空間金字塔池化，作用是一個實現一個自適應尺寸的輸出。（傳統的池化層如最大池化、平均池化的輸出大小是和輸入大小掛鉤的，但是我們最後做全連接層實現分類的時候需要指定全連接的輸入，所以我們需要一種方法讓神經網路在某一層得到一個固定維度的輸出，而且這種方法最好不是resize（resize會失真），由此SPP應運而生，其最早是何凱明提出，應用於RCNN模型）。當今的SPP在faster-rcnn上已經發展為今天的Multi-Scale-ROI-Align，而在Yolo上發展為SPPF。

yolov5n(SPPF)
yolov5n-SPP
yolov5n-SimSPPF
yolov5n-ASPP
yolov5n-RFB
yolov5n-SPPCSPC
yolov5n-SPPCSPC_group
yolov5n-SimCSPSPPF

models	layers	parameters
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_group	232	2047967
yolov5n-SimCSPSPPF	229	3375071

yolov5n
yolov5n-FPN-AC
yolov5n-PAN-AC
yolov5n-FPN+PAN-AC
yolov5n-FPN-AS
yolov5n-PAN-AS
yolov5n-FPN+PAN-AS

models	layers	parameters
yolov5n	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

Optimal Transport Assignment
輔助訓練Optimal Transport Assignment
Soft-NMS

訓練不要使用Soft-NMS ，耗時太久，請在val階段開啟，適用於小目標重疊資料。

Decoupled-head
DCNv2
WBF
DCNv3
NWD

應用

TFjs部署使用
TensorRT部署YOLOv5
Pyqt GUI使用

YOLOv5微信小程序

YOLOv5資料集製作助手

YOLOv5單框多標籤

Fogging Augment

?技巧

YOLOv5模型訓練測驗以及多端部署教學內容
從零到一看懂YOLOv5-OneFlow實現
YOLOV5的FPS計算問題
YOLO系列的Neck模組介紹
YOLOv5資料增強詳解(hyp.scratch-low.yaml 和augmentations.py)
YOLOv5任意版本新增Grad-CAM熱圖視覺化
YOLOv5訓練出的模型權重加解密方法
YOLOv5系列：6.修改Soft-NMS,Soft-CIoUNM...
YOLOv5系列：空間金字塔池化改良SPPF / SPPFCSPC...
YOLOv5|針對視覺任務的獨立自註意力層
YOLOv5項目代碼加密
YOLOv5：新增漏檢率和虛檢率輸出
YOLOv5解析| 繪製results.csv檔案資料比較圖
YOLOv5的Tricks-圖片採樣策略－依資料集各類別權重採樣
YOLOv5如何進行區域目標偵測（手把手教學）
2D目標偵測論文大盤點（37篇）
連夜看了30多篇改良YOLO的中文核心期刊
知網最新改進YOLO 核心論文合集| 22篇創新點速覽

小目標偵測大殺器：yolov5-pip 和sahi
小目標偵測大殺器：填鴨式資料增強

應注意：訓練和推理資料保持相同的資料形式，即不能透過非切圖訓練，根據切圖推理！

一個不成熟的優化器選擇參考：

?參考

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

?工作

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 }
}