YOLOAir

YOLO 检测算法组合工具箱
授权协议 GPL 3.0
开发语言 Python
所属分类 神经网络/人工智能、 计算机视觉库/人脸识别
软件类型 开源软件
地区 不详
投 递 者 赵灼光
操作系统 跨平台
开源组织
适用人群 未知
 软件概览

YOLOAir 算法库是一个基于 PyTorch 的一系列 YOLO 检测算法组合工具箱,用来组合不同模块构建不同网络。YOLOAir 基于 YOLOv5 代码框架,并同步适配稳定的 YOLOv5_v6.1 更新, 同步 v6.1 部署生态。

YOLOAir 内置 YOLOv5、YOLOv7、YOLOX、YOLOR、Transformer、Scaled_YOLOv4、YOLOv3、YOLOv4、YOLO-Facev2、TPH-YOLOv5、YOLOv5Lite、PicoDet 等模型网络结构,还在持续更新中。

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、模型改进,网络排列组合,构建强大的网络模型。

主要特性

支持更多的YOLO系列算法模型改进

YOLOAir 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 YOLOv5 模型网络结构、YOLOv7 模型网络结构、 YOLOR 模型网络结构、YOLOX 模型网络结构、Scaled_YOLOv4 模型网络结构、YOLOv4 模型网络结构、YOLOv3 模型网络结构、YOLO-FaceV2模型网络结构、TPH-YOLOv5模型网络结构、YOLOv5-Lite模型网络结构、PicoDet模型网络结构等,持续更新中...

  

  • 以上多种检测算法使用统一模型代码框架,集成在 YOLOAir 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。

使用

安装

Python>=3.7.0 的环境中克隆版本仓并安装 requirements.txt,包括PyTorch>=1.7

$ git clone https://github.com/iscyy/yoloair.git  # 克隆
$ cd YOLOAir
$ pip install -r requirements.txt  # 安装

训练

$ python train.py --data coco128.yaml --cfg configs/yolov5/yolov5s.yaml #默认为yolo

推理

detect.py 在各种数据源上运行推理, 并将检测结果保存到 runs/detect 目录。

$ python detect.py --source 0  # 网络摄像头
                          img.jpg  # 图像
                          vid.mp4  # 视频
                          path/  # 文件夹
                          path/*.jpg  # glob

融合

如果您使用不同模型来推理数据集,则可以使用 wbf.py文件 通过加权框融合来集成结果。 您只需要在 wbf.py文件 中设置 img 路径和 txt 路径。

$ python wbf.py
  • 环境搭建(TODO) 自定义数据集(TODO) VOC数据集格式 github下载代码库 在代码仓库选择main版本的进行下载 https://github.com/iscyy/yoloair.git yolov7权重下载 权重地址:https://github.com/WongKinYiu/yolov7  放在yoloair的根目录下就行 原始代码存在的问题 1. 缺少timm模块 Module

 相关资料
  • 我想用toolchain版本4.4.3(用于工作armeabi libs) 我下载了最新的Android SDK、NDK和其他所需的工具 我还下载了ndk-legacy-toolschains并复制了“path_to_ndk/toolchains”下的内容 我试图用下面的脚本配置qt5 但是它失败了:无法检测Android NDK工具链。请使用-android-toolchain-version指

  • 字段1,为true 字段2,真 字段3,false 字段4,false 字段5,false 结果是: {Field1,Field2,Field3,Field4,Field5} {Field1,Field2,,Field4,Field5} {Field1,Field2,,,Field5} {Field1,Field2,,,} {Field1,Field2,Field3,,Field5} {Field

  • 假设我有一个项目列表,每个项目都由一个简单的结构定义 毛皮类的选择:长的,短的,卷曲的 如果列表中包含了这3个类别的所有排列,那么最终结果将是 第一组: 动物      [猫狗鼠马] 眼睛颜色[蓝黄绿红橙] 皮毛          [长短卷曲] null 让我们将此列表称为输入(A) 将这些项目分组后,我们可以得到:(可能有其他可能性)。分组标准将是拥有尽可能少的输出组。 第一组: 动物     

  • 对用户输入的数据进行合法性检查,避免错误非法的数据进入服务,这是业务系统最常见的需求。很可惜 Lua 目前没有特别好的数据合法性检查库。 坦诚我们自己做的也不够好,这里只能抛砖引玉,看看大家是否有更好办法。 我们有这么几个主要的合法性检查场景: JSON 数据格式 关键字段编码为 HEX(0-9,a-f,A-F),长度不定 TABLE 内部字段类型 JSON 数据格式 这里主要是 json dec

  • 以下是我的数据集演示: 由非常大的相关帐户的Twitter帐户追随者、该追随者的追随者以及这些追随者的追随者组成的大型社交网络,在每次迭代中清理机器人帐户、私人帐户等。 总节点:约500,000 总连接:95百万 4个节点有超过300万个连接 567个节点有超过100,000个连接 一半的数据集有3个或更少的连接 也就是说,我想清理这个网络,以便在进一步聚集子社区之前,从原始的初始图中获得“最佳”

  • 介绍 Hutool针对Bouncy Castle做了简化包装,用于实现国密算法中的SM2、SM3、SM4。 国密算法工具封装包括: 非对称加密和签名:SM2 摘要签名算法:SM3 对称加密:SM4 国密算法需要引入Bouncy Castle库的依赖。 使用 引入Bouncy Castle依赖 <dependency> <groupId>org.bouncycastle</groupId>

  • 问题内容: 我在一个项目中,以前的程序员到处都在复制粘贴代码。这些代码实际上是相同的(或非常相似),可以将它们重构为一个。 我花了无数小时来手动重构这些代码,但我认为必须有更好的方法。有些是非常平凡的静态方法,可以将它们移到祖先类中(但以前的初级程序员都将其复制粘贴到整个类中)。 是否有代码分析工具可以检测到这一点并提供报告/建议?如果可能的话,我更喜欢免费/开源工具。 问题答案: 我使用以下工具

  • 运行颤振医生给我“cmdline-tools组件丢失”错误,尽管我在Android Studio安装了Android软件开发工具包命令行工具,但我也更新了它,确信它是最新版本。我已经寻找了几天的解决方案,我在任何地方都能找到的唯一答案是“只需在Android Studio软件开发工具包管理器中安装软件开发工具包命令行工具!”我显然已经这样做了,但它仍然不起作用。 下面的图片来指定 颤振医生错误 显