From 5a145adddcdcd6b785fb849fc55c430f3fe0d6a7 Mon Sep 17 00:00:00 2001 From: z1069614715 <1069614715@qq.com> Date: Sat, 13 Jul 2024 12:24:49 +0800 Subject: [PATCH] update-yolov8v10-project --- readme.md | 8 +- ...yolov8-project.md => yolov8v10-project.md} | 142 +++++++++++++++++- 2 files changed, 142 insertions(+), 8 deletions(-) rename yolo-improve/{yolov8-project.md => yolov8v10-project.md} (92%) diff --git a/readme.md b/readme.md index 8d92e5c..046da50 100644 --- a/readme.md +++ b/readme.md @@ -9,14 +9,14 @@ YOLOV5-Backbone中的主干基本都支持到我个人整合的v7代码中,并且整合后的v7配置文件非常简洁,方便进行改进 购买了本项目联系我qq,我会拉你进一个交流群,详细可看[哔哩哔哩链接](https://www.bilibili.com/opus/798697826625257472?spm_id_from=333.999.0.0) -2. 基于Ultralytics的yolov8改进项目.(69.9¥) +2. 基于Ultralytics的yolov8、yolov10改进项目.(69.9¥) - [目前已有的改进方案和更新详细公告](https://github.com/z1069614715/objectdetection_script/blob/master/yolo-improve/yolov8-project.md) + [目前已有的改进方案和更新详细公告](https://github.com/z1069614715/objectdetection_script/blob/master/yolo-improve/yolov8v10-project.md) 项目简单介绍，详情请看项目详解. 1. 提供修改好的代码和每个改进点的配置文件,相当于积木都给大家准备好,大家只需要做实验和搭积木(修改yaml配置文件组合创新点)即可,装好环境即可使用. 2. 后续的改进方案都会基于这个项目更新进行发布，在群公告进行更新百度云链接. - 3. 购买了yolov8项目的都会赠送yolov5-PAGCP通道剪枝算法代码和相关实验参数命令. - 4. 购买后进YOLOV8交流群(代码视频均在群公告),群里可交流代码和论文相关,目前1群已满3000人,现在进的是2群,气氛活跃. + 3. 购买了本项目的都会赠送yolov5-PAGCP通道剪枝算法代码和相关实验参数命令. + 4. 购买后进YOLOV8V10交流群(代码视频均在群公告),群里可交流代码和论文相关,目前1群已满3000人,现在进的是2群,气氛活跃. 5. 项目因为(价格问题)不附带一对一私人答疑服务,平时私聊问点小问题和群里的问题,有空我都会回复. 6. 里面配备使用说明(部分改进点使用复杂度高、二次创新、原创的模块都会有对应的视频进行说明) diff --git a/yolo-improve/yolov8-project.md b/yolo-improve/yolov8v10-project.md similarity index 92% rename from yolo-improve/yolov8-project.md rename to yolo-improve/yolov8v10-project.md index d5bfae8..8a738f6 100644 --- a/yolo-improve/yolov8-project.md +++ b/yolo-improve/yolov8v10-project.md @@ -1,9 +1,12 @@ +# [基于Ultralytics的YOLOV8改进项目.(69.9¥)](https://github.com/z1069614715/objectdetection_script) + # 目前自带的一些改进方案(持续更新) # 为了感谢各位对V8项目的支持,本项目的赠品是yolov5-PAGCP通道剪枝算法.[具体使用教程](https://www.bilibili.com/video/BV1yh4y1Z7vz/) # 专栏改进汇总 +## YOLOV8系列 ### 二次创新系列 1. ultralytics/cfg/models/v8/yolov8-RevCol.yaml @@ -669,8 +672,131 @@ 2. C2f-Star. 3. Lightweight Shared Convolutional Detection Head. +## YOLOV10系列 +#### 以下配置文件都基于v10n，如果需要使用其他大小的模型(s,m,b,l,x)可以看项目视频百度云链接-YOLOV10模型大小切换教程. + +### 二次创新系列 + + +### 自研系列 + +1. ultralytics/cfg/models/v10/yolov10n-C2f-EMSC.yaml + + Efficient Multi-Scale Conv.自研模块,具体讲解请看百度云链接中的视频. + +2. ultralytics/cfg/models/v10/yolov10n-C2f-EMSCP.yaml + + Efficient Multi-Scale Conv Plus.自研模块,具体讲解请看百度云链接中的视频. + +3. ultralytics/cfg/models/v10/yolov10n-LAWDS.yaml + + Light Adaptive-weight downsampling.自研模块,具体讲解请看百度云链接中的视频. + +4. ultralytics/cfg/models/v10/yolov10n-LSCD.yaml + + 自研轻量化检测头.(Lightweight Shared Convolutional Detection Head) + 1. GroupNorm在FCOS论文中已经证实可以提升检测头定位和分类的性能. + 2. 通过使用共享卷积，可以大幅减少参数数量，这使得模型更轻便，特别是在资源受限的设备上. + 3. 在使用共享卷积的同时，为了应对每个检测头所检测的目标尺度不一致的问题，使用Scale层对特征进行缩放. + 综合以上，我们可以让检测头做到参数量更少、计算量更少的情况下，尽可能减少精度的损失. + +### BackBone系列 + +1. ultralytics/cfg/models/v10/yolov10n-efficientViT.yaml + + (CVPR2023)efficientViT替换yolov10主干. + +2. ultralytics/cfg/models/v10/yolov10n-fasternet.yaml + + (CVPR2023)fasternet替换yolov10主干. + +3. ultralytics/cfg/models/v10/yolov10n-timm.yaml + + 使用timm支持的主干网络替换yolov10主干. + +4. ultralytics/cfg/models/v10/yolov10n-convnextv2.yaml + + 使用convnextv2网络替换yolov10主干. + +5. ultralytics/cfg/models/v10/yolov10n-EfficientFormerV2.yaml + + 使用EfficientFormerV2网络替换yolov10主干.(需要看[常见错误和解决方案的第五点](#a)) + +6. ultralytics/cfg/models/v10/yolov10n-vanillanet.yaml + + vanillanet替换yolov10主干. + +7. ultralytics/cfg/models/v10/yolov10n-LSKNet.yaml + + LSKNet(2023旋转目标检测SOTA的主干)替换yolov10主干. + +8. ultralytics/cfg/models/v10/yolov10n-swintransformer.yaml + + SwinTransformer-Tiny替换yolov10主干. + +9. ultralytics/cfg/models/v10/yolov10n-repvit.yaml -### Mamba-YOLO + [CVPR2024 RepViT](https://github.com/THU-MIG/RepViT/tree/main)替换yolov10主干. + +10. ultralytics/cfg/models/v10/yolov10n-CSwinTransformer.yaml + + 使用[CSWin-Transformer(CVPR2022)](https://github.com/microsoft/CSWin-Transformer/tree/main)替换yolov10主干.(需要看[常见错误和解决方案的第五点](#a)) + +11. ultralytics/cfg/models/v10/yolov10n-HGNetV2.yaml + + 使用HGNetV2作为YOLOV10的backbone. + +12. ultralytics/cfg/models/v10/yolov10n-unireplknet.yaml + + 使用[UniRepLKNet](https://github.com/AILab-CVC/UniRepLKNet/tree/main)替换yolov10主干. + +13. ultralytics/cfg/models/v10/yolov10n-TransNeXt.yaml + + 使用[TransNeXt](https://github.com/DaiShiResearch/TransNeXt)改进yolov10的backbone.(需要看[常见错误和解决方案的第五点](#a)) + +14. ultralytics/cfg/models/v10/yolov10n-rmt.yaml + + 使用[CVPR2024 RMT](https://arxiv.org/abs/2309.11523)改进yolov10的主干. + +15. ultralytics/cfg/models/v10/yolov10n-pkinet.yaml + + 使用[CVPR2024 PKINet](https://github.com/PKINet/PKINet)改进backbone.(需要安装mmcv和mmengine) + +16. ultralytics/cfg/models/v10/yolov10n-mobilenetv4.yaml + + 使用[MobileNetV4](https://github.com/jaiwei98/MobileNetV4-pytorch/tree/main)改进yolov10的backbone. + +17. ultralytics/cfg/models/v10/yolov10n-starnet.yaml + + 使用[StarNet CVPR2024](https://github.com/ma-xu/Rewrite-the-Stars/tree/main)改进yolov10-backbone. + +### SPPF系列 +### Neck系列 + +1. ultralytics/cfg/models/v10/yolov10n-bifpn.yaml + + 添加BIFPN到yolov10中. + 其中BIFPN中有三个可选参数： + 1. Fusion + 其中BIFPN中的Fusion模块支持五种: weight, adaptive, concat, bifpn(default), SDI + 其中weight, adaptive, concat出自[paper链接-Figure 3](https://openreview.net/pdf?id=q2ZaVU6bEsT), SDI出自[U-NetV2](https://github.com/yaoppeng/U-Net_v2) + 2. node_mode + 其中支持这些[结构](#b) + 3. head_channel + BIFPN中的通道数,默认设置为256. + +### Head系列 +### Label Assign系列 +### PostProcess系列 +### 上下采样算子 +### C2f系列 +### 组合系列 + +1. ultralytics/cfg/models/v10/yolov10n-starnet-bifpn.yaml + + 使用[StarNet CVPR2024](https://github.com/ma-xu/Rewrite-the-Stars/tree/main)和bifpn改进yolov10. + +# Mamba-YOLO 1. [Mamba-YOLO](https://github.com/HZAI-ZJNU/Mamba-YOLO) 集成Mamba-YOLO.(需要编译请看百度云视频-20240619版本更新说明) @@ -679,7 +805,7 @@ ultralytics/cfg/models/mamba-yolo/Mamba-YOLO-L.yaml ultralytics/cfg/models/mamba-yolo/yolo-mamba-seg.yaml -### 注意力系列 +# 注意力系列 1. EMA 2. SimAM 3. SpatialGroupEnhance @@ -705,7 +831,7 @@ 23. CAA(CVPR2024 PKINet中的注意力) 24. CAFM -### Loss系列 +# Loss系列 1. SlideLoss,EMASlideLoss.(可动态调节正负样本的系数,让模型更加注重难分类,错误分类的样本上) 2. IoU,GIoU,DIoU,CIoU,EIoU,SIoU,MPDIoU,ShapeIoU. 3. Inner-IoU,Inner-GIoU,Inner-DIoU,Inner-CIoU,Inner-EIoU,Inner-SIoU,Inner-ShapeIoU. @@ -1117,4 +1243,12 @@ 4. 百度云视频增加20240627更新说明. - **20240707-yolov8-v1.62** - 1. 更新使用教程,增加常见疑问. \ No newline at end of file + 1. 更新使用教程,增加常见疑问. + +- **20240713-ultralytics-v1.63** + 1. ultralytics版本已更新至8.2.50，后续会更新YOLOv8、YOLOv10的改进方案. + 2. 新增YOLOV10改进、后续会一步一步更新V10的配置文件.（目前更新了backbone系列,一些自研系列的改进到v10中） + 3. 更新使用教程. + 4. 百度云视频增加20240713更新说明. + 5. 百度云视频更新(断点续训教程、计算COCO指标教程、plot_result.py使用教程、项目使用教程必看系列、YOLOV10版本切换教程一) + 6. 补充了EMSC和EMSCP的结构图. \ No newline at end of file