关注并星标
从此不迷路
计算机视觉研究院
代码地址:https://github.com/meituan/YOLOv6
转自《美团技术团队》
计算机视觉研究院专栏
作者:Edison_G
近日,美团视觉智能部研发了一款致力于工业应用的目标检测框架YOLOv6,能够同时专注于检测的精度和推理效率。在研发过程中,视觉智能部不断进行了探索和优化,同时吸取借鉴了学术界和工业界的一些前沿进展和科研成果。在目标检测权威数据集COCO上的实验结果显示,YOLOv6在检测精度和速度方面均超越其他同体量的算法,同时支持多种不同平台的部署,极大简化工程部署时的适配工作。特此开源,希望能帮助到更多的同学。
01
概述
图1-1 YOLOv6 各尺寸模型与其他模型性能对比
02
Yolov6关键技术
03
实验结果及可视化
经过以上优化策略和改进,YOLOv6在多个不同尺寸下的模型均取得了卓越的表现。下表1展示了YOLOv6-nano的消融实验结果,从实验结果可以看出,我们自主设计的检测网络在精度和速度上都带来了很大的增益。
05
参考文献
[1] YOLOv5, https://github.com/ultralytics/yolov5
[2] YOLOX: Exceeding YOLO Series in 2021, https://arxiv.org/abs/2107.08430
[3] PP-YOLOE: An evolved version of YOLO, https://arxiv.org/abs/2203.16250
[4] RepVGG: Making VGG-style ConvNets Great Again, https://arxiv.org/pdf/2101.03697
[5] CSPNet: A New Backbone that can Enhance Learning Capability of CNN, https://arxiv.org/abs/1911.11929
[6] Path aggregation network for instance segmentation, https://arxiv.org/abs/1803.01534
[7] OTA: Optimal Transport Assignment for Object Detection, https://arxiv.org/abs/2103.14259
[8] Computer Architecture: A Quantitative Approach
[9] SIoU Loss: More Powerful Learning for Bounding Box Regression, https://arxiv.org/abs/2205.12740
06
作者简介
楚怡、凯衡、亦非、程孟、秦皓、一鸣、红亮、林园等,均来自美团基础研发平台/视觉智能部。
? THE END
转载请联系本公众号获得授权
往期推荐
??
-
AI助力社会安全,最新视频异常行为检测方法框架
-
目前精度最高效率最快存储最小的目标检测模型(附源码下载)
-
CVPR小目标检测:上下文和注意力机制提升小目标检测(附论文下载)
-
Double-Head:检测头上再创新,提升精度(附原论文下载)
-
海康研究院出品:具有场景自适应概念学习的无监督目标检测(附论文下载)
-
新技术:高效的自监督视觉预训练,局部遮挡再也不用担心!
-
VS Code支持配置远程同步了
-
改进的阴影抑制用于光照鲁棒的人脸识别
-
基于文本驱动用于创建和编辑图像(附源代码)
-
基于分层自监督学习将视觉Transformer扩展到千兆像素图像
-
霸榜第一框架:工业检测,基于差异和共性的半监督方法用于图像表面缺陷检测
-
CLCNet:用分类置信网络重新思考集成建模(附源代码下载)
-
YOLOS:通过目标检测重新思考Transformer(附源代码)
-
工业检测:基于密集尺度特征融合&像素级不平衡学习框架(论文下载)
-
Fast YOLO:用于实时嵌入式目标检测(附论文下载)
-
计算机视觉研究院:AI部署以及工业落地学习之路(文章较长,建议收藏)
-
目标检测干货 | 多级特征重复使用大幅度提升检测精度(文末附论文下载
来源:计算机视觉研究院
声明:本站部分文章及图片转载于互联网,内容版权归原作者所有,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!