YOLOALL-PyTorch
YOLOALL-PyTorch不仅是YOLO系列算法的目标检测的集合，同样也在以YOLO的**对其他一阶段、二阶段不限于anchor_base和anchor_free方法的改写，旨在能够更快更好的完成检测模型的训练、模型转换及部署到相关平台的一体化流程，该项目有以下特点：
- 能够快速完成项目中的检测/识别模型的训练及迭代：其中包括数据可视化分析、数据格式转换、不同模型格式的转换、anchor生成、数据增强、模型转换等
- 快速复现论文中新检测和识别方法或者新的idear：项目中嵌入Timm库、mmdetection目标检测框架一些核心算法进行集成，方便自定义和设计算法
- 对标工程代码，可以更灵活的设计网络、预处理和后处理
- 参数更改均在config的yaml文件中，仅仅需要更改该文件的参数即可
- 数据处理、后处理和测试过程均包含Debug选项，可以实时查看数据增强、候选box与gt的匹配程度及模型在测试过程中的情况
简介
支持算法
目标检测算法(objectdet)：
| 目标检测算法 | loss-version | 后处理参数字段 | anchor设置 | model选择(支持自己模型) |
|---|---|---|---|---|
| yolov3 | yolov3 | yolov3v5 | 根据检测头数量设置 | torch_base |
| yolov4 | yolov4 | yolov4 | 根据检测头数量设置 | torch_base |
| yolov5 | yolov5 | yolov3v5 | 根据检测头数量设置 | torch_base |
| yolov3-mmdet | yolo-mmdet | yolommdet | 根据检测头数量设置 | torch_base |
| yolov3-gaussian | yolov3-gaussian | yolov3gaussian | 根据检测头数量设置 | gaussian_yolov3 |
| yolo-multi_head | multi_head_enable | multi_head | 根据multi_head参数设置 | torch_base |
| yolo-poly | poly_yolo | ——— | 一组(单检测头) | poly_test |
| yolof | yolof-mmdet | yolofmmdet | 一组(单检测头) | poly_test |
| yoloatss | yolo-atss-mmdet | yoloatss | 根据检测头数量设置 | yolo_asff |
| yolox | yolox-mmdet | yoloxmmdet | [[8,8], [16,16], [32, 32]] | torch_base |
| yolo-transformer | transformer_enabl | transformer_cfg | 根据检测头数量设置 | swin |
| yolo-roi【二阶段】 | two_stage_enabel | two_stage | 根据检测头数量设置 | torch_base |
| yolo-fcos | yolo-fcos-mmdet | yolofcos | [[8,8], [16,16], [32, 32]] | torch_base |
| yolo-centernet | yolo-center-mmdet | yolocenter | 不需要 | torch_base |
| yolo-gfocal_v1 | yolo-gfl-mmdet | yologfl/use_sigmoid | [[8,8], [16,16], [32, 32]] | torch_base |
| yolo-gfocal_v2 | yolo-gfl-mmdet | yologfl/use_sigmoid | [[8,8], [16,16], [32, 32]] | torch_base |
分类算法支持(classify)：
- 支持Timm中集成的所有目标识别算法，只需要在configs/classify/test.yaml 配置文件中更改data_dir训练和测试路径、model 框架支持模型的名称
- 支持自定义网络，classify/timm/models/torch_models中添加自己的模型，并将模型文件的名字更改至configs/classify/test.yaml中的model名
- 支持自定义数据形式、支持模型剪枝、蒸馏
蒸馏算法(distiller)：
-
支持离线蒸馏、在线蒸馏
-
目前只支持一阶段的蒸馏算法
蒸馏算法 OD算法 蒸馏方式 FGD yolo-mmdet (anchor_base方法) feature-map LD yolo-gfl-mmdet (anchor_free方法) soft-label
支持Backone类型：
- 支持yaml、py、cfg相互转换
数据增强方法：
- RandomMosaic
- Mixup
- CutMix
- CopyPaste
- ScaleImage
- LetterBox
- HistEqualize
- RandomCrop
- RandomMirror
- RandomHSV
- RandomBlur（blur、medianblur、bilateralFilter、gaussianblur、motion_blur）
- RandomNoise（sp_noise、gasuss_noise）
- RandomLighting（RandomBrightness、RandomGamma、RandomLightingNoise、RandomContrast、RandomSaturation、RandomHue）
- RandomAffine
- Perspective
- ElasticTransform
- ImageToTensor
模型训练及模型转换
在YOLOALL目录下执行【前提完成对configs文件下训练参数的配置】
python3 train.py #模型训练
python3 pytorch2caffe -t od -c configs/objectdet/test.yaml -w ./run_det/torch_base/ckpt/test.pth #单od模型转caffe,-w参数可选，有训练好的模型可以添加
python3 pytorch2caffe -t od -c configs/objectdet/test.yaml configs/objectdet/test.yaml -w ./run_det/torch_base/ckpt/test.pth ./run_det/torch_base/ckpt/test.pth #多od模型转caffe,配置文件按照空格分开,-w参数可选
python3 pytorch2caffe -t oc -c configs/classify/test.yaml #oc模型转换，仅支持单oc转换模型转换
-
支持一阶段和二阶段检测模型转caffemodle、prototxt文件
-
支持多模型转换为一个caffemodel和prototxt
模型转换支持的层操作和算子操作：
layer torch-operation tensor-operation torchvision_operation conv2d torch.split view torchvision.roi_pool linear torch.cat mean torchvision.roi_align relu torch.max add prelu torch.div sub tanh torch.ones mul hardtanh torch.zeros permute leaky_relu torch.ones_like contiguous sigmoid torch.zeros_like pow softmax torch.sigmoid sum max_pool2d torch.tanh sqrt avg_pool2d unsqueeze adaptive_avg_pool2d expand_as dropout flatten threshold batch_norm instance_norm conv_transpose2d interpolate 
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent
