YOLOAirYOLO 检测算法组合工具箱
YOLOAir 算法库是一个基于 PyTorch 的一系列 YOLO 检测算法组合工具箱，用来组合不同模块构建不同网络。YOLOAir 基于 YOLOv5 代码框架，并同步适配稳定的 YOLOv5_v6.1 更新, 同步 v6.1 部署生态。
YOLOAir 内置 YOLOv5、YOLOv7、YOLOX、YOLOR、Transformer、Scaled_YOLOv4、YOLOv3、YOLOv4、YOLO-Facev2、TPH-YOLOv5、YOLOv5Lite、PicoDet 等模型网络结构，还在持续更新中。
模块组件化：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、模型改进，网络排列组合，构建强大的网络模型。
主要特性
支持更多的YOLO系列算法模型改进
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、 YOLOR 模型网络结构、YOLOX 模型网络结构、Scaled_YOLOv4 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、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。
使用
安装
在Python>=3.7.0 的环境中克隆版本仓并安装 requirements.txt，包括PyTorch>=1.7。
$ git clone https://github.com/iscyy/yoloair.git # 克隆 $ cd YOLOAir $ pip install -r requirements.txt # 安装
训练
$ python train.py --data coco128.yaml --cfg configs/yolov5/yolov5s.yaml #默认为yolo
推理
detect.py 在各种数据源上运行推理, 并将检测结果保存到 runs/detect 目录。
$ python detect.py --source 0 # 网络摄像头 img.jpg # 图像 vid.mp4 # 视频 path/ # 文件夹 path/*.jpg # glob
融合
如果您使用不同模型来推理数据集，则可以使用 wbf.py文件 通过加权框融合来集成结果。 您只需要在 wbf.py文件 中设置 img 路径和 txt 路径。
$ python wbf.py
评论