YOLO Air：YOLO科研改进论文推荐改进组合上千种搭配，包括Backbone,Neck,Head,注意力机制,适用于YOLOv5、YOLOv7、YOLOX等算法_yoloair

最新推荐文章于 2024-09-06 18:42:53 发布

2401_84240129

最新推荐文章于 2024-09-06 18:42:53 发布

阅读量595

点赞数 25

文章标签： YOLO 算法

本文链接：https://blog.csdn.net/2401_84240129/article/details/139944123

版权

完成更新集成 TOOD 算法
其他各种

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、 YOLOv6 模型网络结构、PP-YOLO 模型网络结构、PP-YOLOv2 模型网络结构、PP-YOLOE 模型网络结构、PP-YOLOEPlus 模型网络结构、YOLOR 模型网络结构、YOLOX 模型网络结构、ScaledYOLOv4 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、SPD-YOLO模型网络结构、SlimNeck-YOLO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。

🚀支持加载YOLOv3、YOLOv4、YOLOv5、YOLOv7、YOLOR、Scaled_YOLO等网络的官方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
重参数化系列
RepVGG系列
RepMLP系列
ACNet系列
RepConv系列
Mobileone系列
自注意力Transformer系列
MobileViT系列
BoTNet-Transfomrer
CoTNet-Transfomrer
Swin-Transfomrer
以及其他trans系列
持续更新中🎈🚀🚀🚀
注: (YOLOAir(Beta版本内测)🔥 已经完成更新 20+ 种Transformer系列主干网络、多种MLP网络以及绝大部分重参数化结构模型网络)

🚀支持更多Neck

FPN
PANet
RepPAN
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;
YOLOv6-v2.0 Efficient decoupled head;
YOLOv7检测头IAuxDetect Head, IDetect Head等;
PPYOLOE Efficient Task-aligned head with DFL and VFL
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🎈
注: (YOLOAir(Beta版本内测)🔥 已经完成更新 30+ 种Attention注意力机制)

🚀更多空间金字塔池化结构

SPP
SPPF
ASPP
RFB
SPPCSPC
SPPFCSPC
SimSPPF
持续更新中🎈

🚀支持更多Loss

ComputeLoss
ComputeLoss(v5)
ComputeLoss(v6)
ComputeLoss(X)
ComputeLossAuxOTA(v7)
ComputeLossOTA(v7)
ComputeNWDLoss
其他Loss

🚀支持 Anchor-base 和 Anchor-Free

🌟 YOLOv5、YOLOv7、YOLOv3、YOLOv4、YOLOR、ScaledYOLOv4、PPYOLO、PPYOLOv2、Improved-YOLOv5、Improved-YOLOv7
🌟 YOLOX、YOLOv6 (最新Paper版本代码)、PPYOLOE、PPYOLOE+

🚀支持多种标签分配策略

Multi Anchor策略
YOLOv5 标签分配策略
SimOTA 标签分配策略
YOLOv7 标签分配策略
Adaptive Training Sample Selection 标签分配策略
Task Alignment Learning 标签分配策略
其他改进的标签分配策略
持续更新中🎈

🚀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

🚀 YOLO系列网络模型热力图可视化(GardCAM、GardCAM++等)
支持YOLOv3、、YOLOv3-SPP、YOLOv4、YOLOv5、YOLOR、YOLOv7Scaled_YOLOv4、TPH-YOLO、SPD-YOLO以及自定义网络模型等模型 (YOLOAir(Beta版本内测)🔥已支持)

🚀主流网络模型结构图汇总: 模型🔗

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。

说明: 以上主要特性支持包括 Main版本和 Beta版本，部分特性暂时只完成更新在 Beta 中，不是所有更新都直接在 Main 中，后续 Beta 版本内测之后逐渐加入到 Main版本中。

内置网络模型配置支持✨

🚀包括基于 YOLOv5、YOLOv7、YOLOX、YOLOR、YOLOv3、YOLOv4、Scaled_YOLOv4、Transformer、YOLO-FaceV2、PicoDet、YOLOv5-Lite、TPH-YOLOv5、SPD-YOLO等其他多种改进网络结构等算法模型的模型配置文件