wishgale / YoloAll

YoloAll

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

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。

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

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

License:Apache License 2.0


Languages

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