BestYOLO是一个以科研和竞赛为导向的最好的YOLO实践框架!

目前BestYOLO是一个完全基于YOLOv5 v7.0 进行改进的开源库，该库将始终秉持以落地应用为导向，以轻便化使用为宗旨，简化各种模块的改进。目前已经集成了基于torchvision.models 模型为Backbone的YOLOv5目标检测算法，同时也将逐渐开源更多YOLOv5应用程序。

🌟改进

• Backbone-ResNet18 对齐 resnet18
• Backbone-RegNet_y_400mf 对齐 regnet_y_400mf
• Backbone-MobileNetV3 small 对齐 mobilenet_v3_small
• Backbone-EfficientNet_B0 对齐 efficientnet_b0
• Backbone-ResNet34 对齐 resnet34
• Backbone-ResNet50 对齐 resnet50
• Backbone-EfficientNetV2_s 对齐 efficientnet_v2_s
• Backbone-EfficientNet_B1 对齐 efficientnet_b1
• Backbone-MobileNetV2 对齐 mobilenet_v2
• Backbone-wide_resnet50_2 对齐 wide_resnet50_2
• Backbone-VGG11_BN 对齐 vgg11_bn
• Backbone-Convnext Tiny 对齐 convnext_tiny

所有Backbone都支持开启预训练权重，只需添加pretrained=True到每个common.py 的模型中。torchvision.models中的预训练权重都是基于ImageNet-1K数据集训练的！

.yaml配置文件中的depth_multiple和width_multiple可以同时设置为1试试，说不定会有不错的效果。

SPP是空间金字塔池化，作用是一个实现一个自适应尺寸的输出。（传统的池化层如最大池化、平均池化的输出大小是和输入大小挂钩的，但是我们最后做全连接层实现分类的时候需要指定全连接的输入，所以我们需要一种方法让神经网络在某层得到一个固定维度的输出，而且这种方法最好不是resize（resize会失真），由此SPP应运而生，其最早是何凯明提出，应用于RCNN模型）。当今的SPP在faster-rcnn上已经发展为今天的Multi-Scale-ROI-Align，而在Yolo上发展为SPPF。

• yolov5n(SPPF)
• yolov5n-SPP
• yolov5n-SimSPPF
• yolov5n-ASPP
• yolov5n-RFB
• yolov5n-SPPCSPC
• yolov5n-SPPCSPC_group
• yolov5n-SimCSPSPPF

• yolov5n
• yolov5n-FPN-AC
• yolov5n-PAN-AC
• yolov5n-FPN+PAN-AC
• yolov5n-FPN-AS
• yolov5n-PAN-AS
• yolov5n-FPN+PAN-AS

• Optimal Transport Assignment
• 辅助训练Optimal Transport Assignment
• Soft-NMS

训练不要使用Soft-NMS，耗时太久，请在val阶段开启，适用于小目标重叠数据。

• Decoupled-head
• DCNv2
• WBF
• DCNv3
• NWD

💻应用

• TFjs部署使用

• TensorRT部署YOLOv5

• Pyqt GUI使用

• YOLOv5微信小程序

• YOLOv5数据集制作助手

• YOLOv5单框多标签

• Fogging Augment

🌈技巧

• YOLOv5模型训练测试以及多端部署教学内容
• 从零到一看懂YOLOv5-OneFlow实现
• YOLOV5的FPS计算问题
• YOLO系列的Neck模块介绍
• YOLOv5数据增强详解 (hyp.scratch-low.yaml 和 augmentations.py)
• YOLOv5任意版本添加Grad-CAM热图可视化
• YOLOv5训练出的模型权重加解密方法
• YOLOv5系列：6.修改Soft-NMS,Soft-CIoUNM...
• YOLOv5系列：空间金字塔池化改进 SPPF / SPPFCSPC...
• YOLOv5|针对视觉任务的独立自注意力层
• YOLOv5项目代码加密
• YOLOv5：添加漏检率和虚检率输出
• YOLOv5解析 | 绘制results.csv文件数据对比图
• YOLOv5的Tricks-图片采样策略——按数据集各类别权重采样
• YOLOv5如何进行区域目标检测（手把手教学）
• 2D目标检测论文大盘点（37篇）
• 连夜看了30多篇改进YOLO的中文核心期刊
• 知网最新改进 YOLO 核心论文合集 | 22篇创新点速览

1. 小目标检测大杀器：yolov5-pip 和sahi
2. 小目标检测大杀器：填鸭式数据增强

应注意：训练和推理数据保持相同的数据形式，即不能通过非切图训练，根据切图推理！

3. 一个不成熟的优化器选择参考：

📋参考

• https://github.com/ultralytics/yolov5/tree/v7.0
• https://github.com/ppogg/YOLOv5-Lite
• https://github.com/deepcam-cn/yolov5-face
• https://github.com/Gumpest/YOLOv5-Multibackbone-Compression
• https://github.com/jizhishutong/YOLOU
• https://github.com/Bobo-y/flexible-yolov5
• https://github.com/iscyy/yoloair
• https://github.com/WangQvQ/Yolov5_Magic
• https://github.com/Hongyu-Yue/yoloV5_modify_smalltarget
• https://github.com/wuzhihao7788/yolodet-pytorch
• https://github.com/iscyy/yoloair2
• https://github.com/positive666/yolo_research
• https://github.com/Javacr/PyQt5-YOLOv5
• https://github.com/yang-0201/YOLOv6_pro
• https://github.com/yhwang-hub/dl_model_deploy
• https://github.com/FeiYull/TensorRT-Alpha
• https://github.com/sjinzh/awesome-yolo-object-detection
• https://github.com/z1069614715/objectdetection_script
• https://github.com/icey-zhang/SuperYOLO
• https://github.com/akashAD98/awesome-yolo-object-detection

💫工作

• https://github.com/cv516Buaa/tph-yolov5
• https://github.com/icey-zhang/SuperYOLO
• https://github.com/luogen1996/OneTeacher
• https://github.com/AlibabaResearch/efficientteacher
• https://github.com/YOLOonMe/EMA-attention-module
• https://github.com/maggiez0138/yolov5_quant_sample
• https://github.com/OutBreak-hui/YoloV5-Flexible-and-Inference
• https://github.com/Johnathan-Xie/ZSD-YOLO
• https://github.com/chengshuxiao/YOLOv5-ODConvNeXt
• https://github.com/LSH9832/edgeyolo

🔔引用

@article{2023bestyolo,
  title={{BestYOLO}: Making research and competition easier},
  author={Rongsheng Wang},
  repo={github https://github.com/WangRongsheng/BestYOLO},
  year={2023}
}

🚀贡献