Yoloair Versions Save

🔥🔥🔥 专注于YOLOv5，YOLOv7、YOLOv8、YOLOv9改进模型，Support to improve backbone, neck, head, loss, IoU, NMS and other modules🚀

v1.0

1 year ago

YOLOAir🚀 v1.0

  • 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。

  • 内置YOLOv5、YOLOv7、YOLOX、YOLOR、Transformer、Scaled_YOLOv4、YOLOv3、YOLOv4 以及其他改进模型网络结构...

  • 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。

  • 统一模型代码框架、统一应用方式、统一调参、统一改进、易于模块组合、构建更强大的网络模型。

██╗   ██╗ ██████╗ ██╗      ██████╗      █████╗     ██╗    ██████╗ 
╚██╗ ██╔╝██╔═══██╗██║     ██╔═══██╗    ██╔══██╗    ██║    ██╔══██╗
 ╚████╔╝ ██║   ██║██║     ██║   ██║    ███████║    ██║    ██████╔╝
  ╚██╔╝  ██║   ██║██║     ██║   ██║    ██╔══██║    ██║    ██╔══██╗
   ██║   ╚██████╔╝███████╗╚██████╔╝    ██║  ██║    ██║    ██║  ██║
   ╚═╝    ╚═════╝ ╚══════╝ ╚═════╝     ╚═╝  ╚═╝    ╚═╝    ╚═╝  ╚═╝

支持

项目地址: https://github.com/iscyy/yoloair

主要特性🚀

🚀支持更多的YOLO系列算法模型改进(持续更新...)

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、以及其他模型网络结构等 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。

🚀支持加载YOLOv3、YOLOv4、Scaled_YOLOv4、YOLOv5、YOLOv7、YOLOR等网络模型预训练权重进行迁移学习

🚀支持更多Backbone

  • CSPDarkNet系列
  • HorNet系列
  • ResNet系列
  • RegNet 系列
  • ShuffleNet系列
  • Ghost系列
  • MobileNet系列
  • EfficientNet系列
  • ConvNext系列
  • RepLKNet系列
  • 自注意力Transformer系列
  • CNN和Transformer结合系列
  • 重参数化系列
  • RepVGG系列
  • RepConv系列
  • Mobileone系列
    持续更新中🎈

🚀支持更多Neck

  • FPN
  • PANet
  • BiFPN等主流结构。
    持续更新中🎈

🚀支持更多检测头Head

  • YOLOv4、YOLOv5 Head检测头、
  • YOLOR 隐式学习Head检测头、
  • YOLOX的解耦合检测头Decoupled Head、DetectX Head
  • 自适应空间特征融合 检测头ASFF Head、
  • YOLOv7检测头IAuxDetect Head, IDetect Head等；
  • 其他不同检测头

🚀支持更多即插即用的注意力机制Attention

  • 在网络任何部分即插即用式使用注意力机制
  • Self Attention
  • Contextual Transformer
  • Bottleneck Transformer
  • S2-MLP Attention
  • SK Attention
  • CBAM Attention
  • SE Attention
  • Coordinate attention
  • NAM Attention
  • GAM Attention
  • ECA Attention
  • Shuffle Attention
  • CrissCrossAttention
  • Coordinate attention
  • SOCAttention
  • SimAM Attention 持续更新中🎈

🚀更多空间金字塔池化结构

  • SPP
  • SPPF
  • ASPP
  • RFB
  • SPPCSPC
    持续更新中🎈

🚀支持更多Loss

  • ComputeLoss(v3、v4)
  • ComputeLoss(v5)
  • ComputeLoss(X)
  • ComputeLossAuxOTA(v7)
  • ComputeLossOTA(v7)
  • ComputeNWDLoss
  • 其他Loss

🚀支持Anchor-base和Anchor-Free

🚀支持多种正负样本分配

🚀支持加权框融合(WBF)

🚀 内置多种网络模型模块化组件
Conv, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, MixConv2d, Focus, CrossConv,BottleneckCSP, C3, C3TR, C3SPP, C3Ghost, C3HB, C3RFEM, MultiSEAM, SEAM, C3STR, SPPCSPC, RepConv, BoT3, Air, CA, CBAM, Involution, Stem, ResCSPC, ResCSPB, ResXCSPB, ResXCSPC, BottleneckCSPB, BottleneckCSPC, ASPP, BasicRFB, SPPCSPC_group, HorBlock, CNeB,C3GC ,C3C2, nn.ConvTranspose2d, DWConvblock, RepVGGBlock, CoT3, ConvNextBlock, SPPCSP, BottleneckCSP2, DownC, BottleneckCSPF, RepVGGBlock, ReOrg, DWT, MobileOne,HorNet...等详细代码 ./models/common.py文件 内

🚀支持更多IoU损失函数

  • CIoU
  • DIoU
  • GIoU
  • EIoU
  • SIoU
  • alpha IOU
    持续更新中🎈

🚀支持更多NMS

  • NMS
  • Merge-NMS
  • Soft-NMS
  • CIoU_NMS
  • DIoU_NMS
  • GIoU_NMS
  • EIoU_NMS
  • SIoU_NMS
  • Soft-SIoUNMS、Soft-CIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GIoUNMS等;
    持续更新中🎈

🚀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

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。

内置网络模型配置支持✨

🚀包括基于 YOLOv5、YOLOv7、YOLOX、YOLOR、YOLOv3、YOLOv4、Scaled_YOLOv4、Transformer、PicoDet以及其他多种改进网络结构等算法模型的模型配置文件

Assets 获取预训练权重🌟