YOLOAir：Make the improvement of YOLO model faster，more convenient

YOLOAir：面向小白的目标檢測庫，更快更友善更完整的YOLO庫，YOLOAir 算法庫 是一個基于 PyTorch 的一系列 YOLO 檢測算法組合工具箱。統一模型代碼架構、統一應用、統一改進、易于子產品組合、建構更強大的網絡模型。

模型多樣化：基于不同網絡子產品建構不同檢測網絡模型。

子產品元件化：幫助使用者自定義快速組合Backbone、Neck、Head，使得網絡模型多樣化，助力科研改進檢測算法、模型改進，網絡排列組合，建構強大的網絡模型。

統一模型代碼架構、統一應用方式、統一調參、統一改進、易于子產品組合、建構更強大的網絡模型：内置YOLOv5、YOLOv7、YOLOX、YOLOR、Transformer、Scaled_YOLOv4、YOLOv3、YOLOv4、YOLO-Facev2、TPH-YOLO、YOLOv5Lite、SPD-YOLO、SlimNeck-YOLO、PicoDet等模型網絡結構

基于 YOLOv5 代碼架構，并同步适配穩定的YOLOv5_v6.1更新, 同步v6.1部署生态。使用這個項目之前, 您可以先了解YOLOv5庫。

YOLOv5倉庫：https://github.com/ultralytics/yolov5

YOLOAir項目位址: https://github.com/iscyy/yoloair

YOLOAir部分改進說明教程: https://github.com/iscyy/yoloair/wiki/Improved-tutorial-presentation

YOLOAir CSDN位址：https://blog.csdn.net/qq_38668236

主要特性

支援更多的YOLO系列算法模型改進

• 内置內建 YOLOv5 模型網絡結構、YOLOv7 模型網絡結構、 YOLOR 模型網絡結構、YOLOX 模型網絡結構、Scaled_YOLOv4 模型網絡結構、YOLOv4 模型網絡結構、YOLOv3 模型網絡結構、YOLO-FaceV2模型網絡結構、TPH-YOLOv5模型網絡結構、SPD-YOLO模型網絡結構、YOLOv5-Lite模型網絡結構、PicoDet模型網絡結構等
• 以上多種檢測算法使用統一模型代碼架構，內建在 YOLOAir 庫中，統一任務形式、統一應用方式。便于科研者用于論文算法模型改進，模型對比，實作網絡組合多樣化。工程算法部署落地更便捷，包含輕量化模型和精度更高的模型，根據場景合理選擇，在精度和速度倆個方面取得平衡。同時該庫支援解耦不同的結構和子產品元件，讓子產品元件化，通過組合不同的子產品元件，使用者可以根據不同資料集或不同業務場景自行定制化建構不同檢測模型。

支援更多 Backbone

• CSPDarkNet 系列
• ResNet 系列
• RegNet 系列
• RepBlock 系列
• ShuffleNet 系列
• Ghost 系列
• MobileNet 系列
• ConvNext 系列
• RepLKNet 系列
• EfficientNet系列
• CNN 和 Transformer：BoTNet、CoTNet、Acmix等
• 自注意力機制：Transformer、Swin等

支援更多 Neck

• FPN
• PANet
• BiFPN等

支援更多檢測頭 Head

• YOLOv5 Head 檢測頭
• YOLOX 的解耦合檢測頭 Decoupled Head
• 自适應空間特征融合檢測頭 ASFF Head
• YOLOv7 檢測頭 IDetect Head、IAuxDetect Head等

支援更多即插即用的注意力機制

• Self Attention
• Contextual Transformer
• Bottleneck Transformer
• S2-MLP Attention
• SK Attention
• CBAM Attention
• SE Attention
• Coordinate attention
• BAM Attention
• GAM attention
• ECA Attention
• Shuffle Attention
• DANet Attention

更多多種金字塔池化結構

• SPP
• SPPF
• ASPP
• RFB
• SPPCSPC
• SPPFCSPC
• SimSPPF

支援更多損失函數計算方式

• ComputeLoss
• ComputeLoss(v5)
• ComputeLoss(X)
• ComputeLossAuxOTA(v7)
• ComputeLossOTA(v7)
• ComputeNWDLoss

内置多種網絡模型子產品化元件

Conv, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, MixConv2d, Focus, CrossConv,BottleneckCSP, C3, C3TR, C3SPP, C3Ghost, C3HB, C3RFEM, MultiSEAM, SEAM, C3STR, SPPCSPC, RepConv, BoT3, Air, CA, CBAM, Involution, Stem, ResCSPC, ResCSPB, ResXCSPB, ResXCSPC, BottleneckCSPB, BottleneckCSPC, ASPP, BasicRFB, SPPCSPC_group, HorBlock, CNeB,C3GC ,C3C2, nn.ConvTranspose2d, DWConvblock, RepVGGBlock, CoT3, ConvNextBlock, SPPCSP, BottleneckCSP2, DownC, BottleneckCSPF, RepVGGBlock, ReOrg, DWT, MobileOne, HorNet

支援更多IoU損失函數

• CIoU
• DIoU
• GIoU
• EIoU
• SIoU
• alpha IOU

支援更多 NMS

NMS、Merge-NMS、DIoU-NMS、Soft-NMS、CIoU-NMS、DIoU-NMS、GIoU-NMS、EIoU-NMS、SIoU-NMS、Soft-SIoUNMS、Soft-CIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GIoUNMS 等持續更新中

支援更多資料增強

Mosaic、Copy paste、Random affine(Rotation, Scale, Translation and Shear)、MixUp、Augment HSV(Hue, Saturation, Value，Random horizontal flip)

内置改進網絡模型配置支援

YOLOAir 算法庫彙總了多種主流 YOLO 系列檢測模型的子產品，一套代碼彙集多種模型結構:

• 内置 YOLOv5 模型網絡結構
• 内置 YOLOv7 模型網絡結構
• 内置 YOLOX 模型網絡結構
• 内置 YOLOR 模型網絡結構
• 内置 Scaled_YOLOv4 模型網絡結構
• 内置 YOLOv4 模型網絡結構
• 内置 YOLOv3 模型網絡結構
• TPH-YOLO 模型網絡結構
• YOLOv5Lite 模型網絡結構
• YOLO-FaceV2 模型網絡結構
• PicoDet 模型網絡結構

以上多種檢測算法網絡模型使用統一代碼架構，內建在 YOLOAir 代碼庫中，統一應用方式。便于科研者用于論文算法模型改進，模型對比，實作網絡組合多樣化，包含輕量化模型和精度更高的模型，根據場景合理選擇，在精度和速度者兩個方面取得平衡。同時該庫支援解耦不同的結構和子產品元件，讓子產品元件化，通過組合不同的子產品元件，使用者可以根據不同資料集或不同業務場景自行定制化建構不同檢測模型。

彩蛋

本文對建構YOLOAir項目進行簡單闡述，筆者以後會定期分享關于項目的其他子產品和相關技術，筆者也建立了一個關于目标檢測的交流群：781334731，大家也可掃描下面這張圖檔加入，歡迎大家踴躍加入，一起學習鴨！

筆者也建立一個微信公衆号（Nuist計算機視覺與模式識别），大家可掃描下面圖檔關注，回複YOLOAir擷取本文pdf，後續筆者也會在公衆号分享YOLOAir使用說明與魔改消融實驗，定量分析每個子產品的作用，友善大家後續使用。

煉丹

筆者最近沉迷于煉丹，在網上發現兩個寶藏煉丹平台，AutoDL和恒源智享雲，這兩個平台新人注冊和學生認證都有福利，而且租用顯示卡支援按小時/天/月收費，大家感興趣可以看看哦。目前AutoDL的TITAN Xp顯示卡學生認證後低至0.52元/.小時，RTX GeForce 2080Ti顯示卡學生認證後低至0.88元/小時。如果感興趣的話，可以通過以下連結注冊使用。

AutoDL：https://www.autodl.com/register?code=79aaeca7-b378-4b9d-90c3-99b2a8864596

恒源智享雲：https://gpushare.com/auth/register?user=15*3693&fromId=3e7200b12c2a&source=link