YOLOv6 是美团视觉智能部研发的一款目标检测框架,致力于工业应用。本框架同时专注于检测的精度和推理效率,在工业界常用的尺寸模型中:YOLOv6-nano 在 COCO 上精度可达 35.0% AP,在 T4 上推理速度可达 1242 FPS;YOLOv6-s 在 COCO 上精度可达 43.1% AP,在 T4 上推理速度可达 520 FPS。在部署方面,YOLOv6 支持 GPU(TensorRT)、CPU(OPENVINO)、ARM(MNN、TNN、NCNN)等不同平台的部署,极大地简化工程部署时的适配工作。
本专题以操作为主,下面将从实际操作来讲述怎样利用该yolov4算法来实现对自己数据集的训练与检测。
源码地址:
https://github.com/meituan/YOLOv6
代码结构
其中,
① assets 测试图片
② configs 配置接口函数
③ data 数据相关配置文件
④ deploy 模型转换接口,可以将pytorch模型转换为ONNX与OpenVINO平台模型
⑤ docs 说明文档
⑥ runs 中间过程已经最终模型保存路径
⑦ tools 主要包含训练,测试,评估接口函数
⑧ yolov6 网络