背景：

在通用目标检测中，yolo是一个奇迹般的存在，生命力经久不衰，从yolov1，v2，v3，v4，v5到最近的yolox，都充分说明了yolo在学术界以及工业界的受欢迎程度。除了基线的频繁迭代更新之外，还有很多针对yolo的优化精简版本，如下表所示：表1 在如此众多的yolo版本中，除了官方的评测数据之外，有没有更加直观的方式来对比各种不同版本的yolo性能呢？很早之前我就幻想着能有一个集成各种yolo的版本，能够对图片，视频，实时码流进行对比，于是就有了这个YoloAll的想法。希望能在一个software里面对同一张图片，同一段视频，或者同一个camera的码流进行对比分析。

YoloAll演示：

下面是一段YoloAll的演示视频。目前支持yolo_v3, yolo_v5, yolox, yolo_fastest四个版本；并且支持从图片，视频(mp4)以及camera进行推理分析。 B站搜索“yoloall”

YoloALL结构：

YoloAll使用pyqt设计，整体工程结构如下图所示，其中model_zoo下面放置了所有支持的yolo版本，包括里面的各种小版本。目前支持4个版本的yolo，并且提供了简单的扩展方法，可以把你喜欢的yolo扩展进去。详情见“扩展模型”一节。

Yolov3：https://github.com/eriklindernoren/PyTorch-YOLOv3
Yolov5：https://github.com/ultralytics/yolov5
Yolox: https://github.com/Megvii-BaseDetection/YOLOX
Yolo-fastest-v2: https://github.com/dog-qiuqiu/Yolo-FastestV2 感谢以上开源项目以及作者，感谢你们带来了这么好的yolo项目。

YoloAll使用：

下载源码

首先从地址：https://github.com/DL-Practise/YoloAll下载源码

安装依赖

所有的yolo版本均放在model_zoo目录下面，进入到model_zoo中的各个yolo版本中，执行pip install -r requirements.txt。安装各个yolo版本的依赖库。

下载预训练模型

当前的YoloAll对于每个yolo版本已经内置了一个最小模型，如下图所示。如果您还想测试诸如yolov5_l， yolox_l等大型模型，可以从如下链接下载预训练模型，并放置在对应的目录下面：

Yolov3

https://pjreddie.com/media/files/yolov3.weights 下载完毕之后，将模型放在model_zoo/yolov3下面即可

Yolov5

下载完毕之后，将模型放在model_zoo/yolov5下面即可

Yolox

下载完毕之后，将模型放在model_zoo/yolox下面即可

此时，重新打开界面，能够显示出所有的yolo版本

扩展模型

YoloAll提供了非常方便的接口来集成您自己的yolo版本。将您自己的yolo版本放置在model_zoo中。并提供一个api.py的模块，里面实现如下方法： #获取支持的子类型接口。例如yolov5中支持yolov5_s；yolov5_m; yolov5_l等

def get_support_models()

#创建模型。根据模型的子类型名称，以及设备类型创建模型

def create_model(model_name='yolov5_s', dev='cpu')

#进行一次推理，传入的img_array为opencv读取的图片

def inference(img_array)

About

YoloAll

Apache License 2.0

Languages

Language:Python 93.7%Language:C++ 4.2%Language:Shell 2.0%Language:Dockerfile 0.1%