YOLOv6_pro 项目使用教程-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00245/article/details/142240483

YOLOv6_pro 项目使用教程

YOLOv6_pro Make it easier for yolov6 to change the network structure 项目地址: https://gitcode.com/gh_mirrors/yo/YOLOv6_pro

1. 项目介绍

YOLOv6_pro 是一个旨在简化 YOLOv6 网络结构更换的开源项目。它基于官方 YOLOv6 的整体架构，使用 YOLOv5 的网络构建方式构建 YOLOv6 网络，包括 backbone、neck 和 effidehead 结构。该项目允许用户在 yaml 文件中任意修改或添加模块，并且每个修改的文件都是独立可运行的，旨在助力科研。

主要特点

模块化设计：用户可以在 yaml 文件中自由修改或添加模块。
预训练权重：提供了从官方权重转换而来的预训练权重，确保模型可以匹配。
支持多种模型：包括 YOLOv6l、YOLOv6m、YOLOv6s、YOLOv6t 和 YOLOv6n 等基础模型，以及大尺寸模型如 YOLOv6l6 和 YOLOv6n6。

2. 项目快速启动

环境准备

确保你已经安装了 Python 和 PyTorch。你可以使用以下命令安装项目依赖：

pip install -r requirements.txt

数据集准备

将你的训练集和验证集图片分别放入 data/images/train 和 data/images/val 目录中。对应的标签文件放入 data/labels/train 和 data/labels/val 目录中。

数据集配置

编辑 data/data.yaml 文件，配置数据集路径和类别信息：

train: data/images/train
val: data/images/val
is_coco: False
nc: 3
names: ["car", "person", "bike"]

网络结构配置

以 YOLOv6l 为例，编辑 configs/model_yaml/yolov6l_yaml.py 文件，配置网络结构。

训练命令

使用预训练权重进行训练：

python tools/train.py --conf-file configs/model_yaml/yolov6l_yaml.py --data data/data.yaml --device 0 --img 640

不使用预训练权重进行训练：

python tools/train.py --conf-file configs/without_weights/yolov6l_yaml.py --data data/data.yaml --device 0 --img 640

3. 应用案例和最佳实践

案例1：自定义网络结构

假设你需要在 YOLOv6 中添加一个新的模块，可以按照以下步骤进行：

在 yolov6/layers/common.py 中添加新模块的代码。
在 yolov6/models/yolo.py 的 parse_model 函数中添加对应模块的条件判断语句。
在 configs/yaml/ 目录下新建你的 yaml 文件，并将模块加入。
在 configs/model_yaml/ 目录下新建一个 py 文件，并将 yaml_file 目录改为 yaml 文件的路径。

案例2：使用预训练权重

在实际应用中，使用预训练权重可以加速模型收敛。你可以通过以下命令加载预训练权重：

python tools/train.py --conf-file configs/model_yaml/yolov6l_yaml.py --data data/data.yaml --device 0 --img 640 --weights path/to/pretrained/weights.pt