#github 地址：https://github.com/wuzhihao7788/yolodet-pytorch

YOLODet-PyTorch

YOLODet-PyTorch 是端到端基于 pytorch 框架复现 yolo 最新算法的目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的训练、精度速度优化到部署全流程。YOLODet-PyTorch 以模块化的设计实现了多种主流 YOLO 目标检测算法，并且提供了丰富的数据增强、网络组件、损失函数等模块。

目前检测库下模型均要求使用 PyTorch 1.5 及以上版本或适当的 develop 版本。

内容

• 简介
  

• 安装说明
  

• 快速开始
  

• 预训练模型
  

• 重要说明
  

• 鸣谢
  

• 如何贡献代码
  

简介

特性：

• 模型丰富：

YOLODet 提供了丰富的模型，涵盖最新 YOLO 检测算法的复现，包含 YOLOv5、YOLOv4、PP-YOLO、YOLOv3 等 YOLO 系列目标检测算法。

• 高灵活度：

YOLODet 通过模块化设计来解耦各个组件，基于配置文件可以轻松地搭建各种检测模型。

支持的模型:

• YOLOv5
  

• YOLOv4
  

• PP-YOLO
  

• YOLOv3
  

更多的 Backone：

• DarkNet

• CSPDarkNet

• ResNet

• YOLOv5Darknet

数据增强方法：

• Mosaic

• MixUp

• Resize

• LetterBox

• RandomCrop

• RandomFlip

• RandomHSV

• RandomBlur

• RandomNoise

• RandomAffine

• RandomTranslation

• Normalize

• ImageToTensor

• 相关配置使用说明请参考【这里】

损失函数支持：

• bbox loss (IOU,GIOU,DIOU,CIOU)

• confidence loss(YOLOv4,YOLOv5,PP-YOLO)

• IOUAwareLoss(PP-YOLO)

• FocalLoss

训练技巧支持：

• 指数移动平均
  

• 预热

• 梯度剪切

• 梯度累计更新

• 多尺度训练

• 学习率调整：Fixed，Step，Exp，Poly，Inv，Consine

• Label Smooth

• 强烈说明 通过实验对比发现 YOLOv5 的正负样本划分定义和损失函数定义，使得模型收敛速度较快，远超原 yolo 系列对正负样本的划分和损失定义。对于如果卡资源不充足，想在短时间内收敛模型，可采用 yolov5 的正负样本划分和损失函数定义，相关参数为yolo_loss_type=yolov5。

• 额外补充 YOLOv5 对于正样本的定义:在不同尺度下只要真框和给定锚框的的比值在 4 倍以内，该锚框即可负责预测该真值框。并根据 gx,gy 在 grid 中心点位置的偏移量会额外新增两个 grid 坐标来预测。通过这一系列操作，增加了正样本数量，加速模型收敛速度。而 YOLO 原系列对于真框，在不同尺度下只有在该尺度下 IOU 交并集最大的锚框负责预测该真框，其他锚框不负责，所以由于较少的正样本量，模型收敛速度较慢。

扩展特性：

• [x] Group Norm

• [x] Modulated Deformable Convolution

• [x] Focus

• [x] Spatial Pyramid Pooling

• [x] FPN-PAN

• [x] coord conv

• [x] drop block

• [x] SAM

代码结构说明

yolodet-pytorch
├──cfg              #模型配置文件所在目录(yolov5,yolov4等)
├──tools            #工具包，包含训练代码，测试代码和推断代码入口。
├──yolodet          #YOLO检测框架核心代码库
│  ├──apis          #提供检测框架的训练，测试和推断和模型保存的接口
│  ├──dataset      #包含DateSet，DateLoader和数据增强等通用方法
│  ├──models        #YOLO检测框架的核心组件集结地
│  │  ├──detectors  #所有类型检测器集结地
│  │  ├──backbones  #所有骨干网络集结地
│  │  ├──necks      #所有necks集结地
│  │  ├──heads      #heads集结地
│  │  ├──loss      #所有损失函数集结地
│  │  ├──hooks      #hooks集结地(学习率调整，模型保存，训练日志，权重更新等)
│  │  ├──utils      #所有工具方法集结地

安装说明

安装和数据集准备请参考 INSTALL.md 。

快速开始

请参阅 GETTING_STARTED.md 了解 YOLODet 的基本用法。

预训练模型

查看预训练模型请点击【这里】