EasyCV一体化计算机视觉工具箱
EasyCV 是基于 PyTorch 的一体化计算机视觉工具箱，主要专注于自监督学习、基于 Transformer 的模型，以及主要的 CV 任务，包括图像分类、度量学习、目标检测、姿态估计等。
主要特点
-
SOTA SSL 算法
EasyCV 在基于对比学习的自我监督学习中提供最先进的算法，例如 SimCLR、MoCO V2、Swav、DINO 以及基于蒙版图像建模的 MAE。我们还提供用于 ssl 模型评估的标准基准测试工具。
-
视觉变形金刚
EasyCV 旨在提供一种简单的方法来使用通过监督学习或自我监督学习训练的现成 SOTA 变压器模型，例如 ViT、Swin Transformer 和 DETR 系列。未来将添加更多模型。此外，我们支持来自timm的所有预训练模型。
-
功能和可扩展性
除了 SSL，EasyCV 还支持图像分类、物体检测、度量学习，未来将支持更多领域。虽然涵盖了不同的领域，但 EasyCV 将框架分解为不同的组件，例如数据集、模型和运行钩子，从而可以轻松添加新组件并将其与现有模块组合。
EasyCV 提供简单而全面的推理接口。此外， PAI-EAS支持所有模型，可以轻松部署为在线服务，并支持自动扩展和服务监控。
-
效率
EasyCV 支持多 GPU 和多工人训练。EasyCV 使用DALI加速数据 io 和预处理过程，并使用TorchAccelerator和 fp16 加速训练过程。对于推理优化，EasyCV 使用 jit 脚本导出模型，可以通过PAI-Blade进行优化
什么是新的
[🔥最新消息] 我们发布了我们的 YOLOX-PAI，它可以在 40~50 mAP（小于 1ms）内实现 SOTA 结果。我们还提供了一个方便快捷的导出/预测器 api，用于端到端对象检测。要快速开始使用 YOLOX-PAI，请单击此处！
- 31/08/2022 EasyCV v0.6.0 发布。
- 发布 YOLOX-PAI，在 40~50 mAP（小于 1ms）内达到 SOTA 结果
- 添加检测算法 DINO，在 COCO 上达到 58.5 mAP
- 添加 mask2former 算法
- 使用百度网盘发布imagenet1k、imagenet22k、coco、lvis、voc2012数据加速下载
有关更多详细信息和历史记录，请参阅change_log.md。
安装
安装请参考quick_start.md中的安装部分。
开始使用
请参考quick_start.md快速入门。我们还提供了更多用法的教程。
笔记本
模型动物园
架构
更多详情请参考以下模型动物园。
数据中心
EasyCV 收集了不同场景的数据集信息，方便用户在 EasyCV modelzoo 中微调或评估模型。
请参考data_hub.md。
执照
该项目在Apache 许可证（2.0 版）下获得许可。该工具包还包含各种第三方组件和一些在其他开源许可下从其他 repos 修改的代码。有关详细信息，请参阅NOTICE文件。
接触
此 repo 目前由 PAI-CV 团队维护，您可以通过以下方式联系我们
EasyCV 是基于 PyTorch 的一体化计算机视觉工具箱，主要专注于自监督学习、基于 Transformer 的模型，以及主要的 CV 任务，包括图像分类、度量学习、目标检测、姿态估计等。
主要特点
-
SOTA SSL 算法
EasyCV 在基于对比学习的自我监督学习中提供最先进的算法，例如 SimCLR、MoCO V2、Swav、DINO 以及基于蒙版图像建模的 MAE。我们还提供用于 ssl 模型评估的标准基准测试工具。
-
视觉变形金刚
EasyCV 旨在提供一种简单的方法来使用通过监督学习或自我监督学习训练的现成 SOTA 变压器模型，例如 ViT、Swin Transformer 和 DETR 系列。未来将添加更多模型。此外，我们支持来自timm的所有预训练模型。
-
功能和可扩展性
除了 SSL，EasyCV 还支持图像分类、物体检测、度量学习，未来将支持更多领域。虽然涵盖了不同的领域，但 EasyCV 将框架分解为不同的组件，例如数据集、模型和运行钩子，从而可以轻松添加新组件并将其与现有模块组合。
EasyCV 提供简单而全面的推理接口。此外， PAI-EAS支持所有模型，可以轻松部署为在线服务，并支持自动扩展和服务监控。
-
效率
EasyCV 支持多 GPU 和多工人训练。EasyCV 使用DALI加速数据 io 和预处理过程，并使用TorchAccelerator和 fp16 加速训练过程。对于推理优化，EasyCV 使用 jit 脚本导出模型，可以通过PAI-Blade进行优化
什么是新的
[🔥最新消息] 我们发布了我们的 YOLOX-PAI，它可以在 40~50 mAP（小于 1ms）内实现 SOTA 结果。我们还提供了一个方便快捷的导出/预测器 api，用于端到端对象检测。要快速开始使用 YOLOX-PAI，请单击此处！
- 31/08/2022 EasyCV v0.6.0 发布。
- 发布 YOLOX-PAI，在 40~50 mAP（小于 1ms）内达到 SOTA 结果
- 添加检测算法 DINO，在 COCO 上达到 58.5 mAP
- 添加 mask2former 算法
- 使用百度网盘发布imagenet1k、imagenet22k、coco、lvis、voc2012数据加速下载
有关更多详细信息和历史记录，请参阅change_log.md。
技术文章
我们有一系列关于 EasyCV 功能的技术文章。
- EasyCV开源｜开箱即用的视觉算法自监督+Transformer库
- MAE自监督算法介绍和基于EasyCV的复现
- 基于EasyCV复现ViTDet：单特征层超越FPN
- 基于EasyCV复现DETR和DAB-DETR，对象查询的正确打开方式
安装
安装请参考quick_start.md中的安装部分。
开始使用
请参考quick_start.md快速入门。我们还提供了更多用法的教程。
笔记本
模型动物园
架构
更多详情请参考以下模型动物园。
数据中心
EasyCV 收集了不同场景的数据集信息，方便用户在 EasyCV modelzoo 中微调或评估模型。
请参考data_hub.md。
执照
该项目在Apache 许可证（2.0 版）下获得许可。该工具包还包含各种第三方组件和一些在其他开源许可下从其他 repos 修改的代码。有关详细信息，请参阅NOTICE文件。
接触
此 repo 目前由 PAI-CV 团队维护，您可以通过以下方式联系我们
- 钉钉群号：41783266
- 邮箱：easycv@list.alibaba-inc.com
企业服务
如果您需要EasyCV企业服务支持，或者购买云产品服务，可以通过钉钉集团联系我们。