作者丨Edison_G
来源丨计算机视觉研究院
目标检测是现在最热门的研究课题，也一直是工业界重点研究的对象，最近几年内，也出现了各种各样的检测框架，所属于YOLO系列是最经典也是目前被大家认可使用的检测框架。但是，该怎么抉择呢？
最近我们创办了通过视频来详解前研技术，有兴趣的同学可以通过观看视屏了解最新检测框架，如目前发布的视频链接：
-
https://www.bilibili.com/video/BV17b4y1m7xy/
-
https://www.bilibili.com/video/BV1vU4y1j7Ms/
开源代码：https://github.com/DL-Practise/YoloAll
1
前言&背景
目标检测是现在最热门的研究课题，也一直是工业界重点研究的对象，最近几年内，也出现了各种各样的检测框架，所属于YOLO系列是最经典也是目前被大家认可使用的检测框架。不论是PyTorch，还是Tensorflow，又或者是Keras和Caffe，可以说是全平台通用。
在通用目标检测中，从yolov1，v2，v3，v4，v5到最近的yolox，都充分说明了yolo在学术界以及工业界的受欢迎程度。
-
YoloV1论文地址：https://arxiv.org/pdf/1506.02640.pdf
-
YoloV2（Yolo9000）论文地址：https://arxiv.org/pdf/1612.08242.pdf
-
Yolov3论文地址：https://arxiv.org/pdf/1804.02767.pdf
- Tiny YOLOv3代码地址：https://github.com/yjh0410/yolov2-yolov3_PyTorch
-
Yolov4论文地址：https://arxiv.org/pdf/2004.10934.pdf
-
Yolov5代码地址：https://github.com/ultralytics/yolov5
- YOLObile论文地址：https://arxiv.org/pdf/2009.05697.pdf
- YOLOR论文地址：https://arxiv.org/pdf/2105.04206.pdf
除了基线的频繁迭代更新之外，还有很多针对yolo的优化精简版本，如下表所示：
在如此众多的yolo版本中，除了官方的评测数据之外，有没有更加直观的方式来对比各种不同版本的yolo性能呢？
很早之前郑老师就幻想着能有一个集成各种yolo的版本，能够对图片，视频，实时码流进行对比，于是就有了这个YoloAll的想法。希望能在一个software里面对同一张图片，同一段视频，或者同一个camera的码流进行对比分析。
2
YoloAll演示
下面是一段YoloAll的演示视频。目前支持yolo_v3, yolo_v5, yolox, yolo_fastest四个版本；并且支持从图片，视频(mp4)以及camera进行推理分析。
3
结构介绍
YoloAll使用pyqt设计，整体工程结构如下图所示，其中model_zoo下面放置了所有支持的yolo版本，包括里面的各种小版本。
目前支持4个版本的yolo，并且提供了简单的扩展方法，可以把你喜欢的yolo扩展进去。详情见下章节的“扩展模型”。
-
Yolov3：https://github.com/eriklindernoren/PyTorch-YOLOv3
-
Yolov5：https://github.com/ultralytics/yolov5
-
Yolox：https://github.com/Megvii-BaseDetection/YOLOX
-
Yolo-fastest：https://github.com/dog-qiuqiu/Yolo-FastestV2
感谢以上开源项目以及作者，感谢带来了这么好的yolo项目。
4
使用教程
- 下载源码
git clone https://github.com/DL-Practise/YoloAll
- 安装依赖
下载的yolo版本全部放在model_zoo目录下面，进入到model_zoo中的各个yolo版本中，执行：
pip install -r requirements.txt
- 下载预训练模型
当前的YoloAll对于每个yolo版本已经内置了一个最小模型，如下图所示。
如果还想测试其他较大模型，如yolov5_l、yolox_l等，可以从如下链接下载预训练模型，并放置在对应的目录下面：
Yolov3：
-
https://pjreddie.com/media/files/yolov3.weights
下载完毕之后，将模型放在model_zoo/yolov3下面即可
Yolov5：
-
https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt
-
https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5m.pt
-
https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5l.pt
-
https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5x.pt
下载完毕之后，将模型放在model_zoo/yolov5下面即可
Yolox：
-
https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth
-
https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_m.pth
-
https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_l.pth
-
https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_x.pth
下载完毕之后，将模型放在model_zoo/yolox下面即可
此时，重新打开界面，能够显示出所有的yolo版本：
- 扩展模型
YoloAll提供了非常方便的接口来集成自己的yolo版本。将自己的yolo版本放置在model_zoo中。并提供一个api.py的模块，里面实现如下方法：
#获取支持的子类型接口。例如yolov5中支持yolov5_s；yolov5_m; yolov5_l等 def get_support_models() #创建模型。根据模型的子类型名称，以及设备类型创建模型 def create_model(model_name='yolov5_s', dev='cpu') #进行一次推理，传入的img_array为opencv读取的图片 def inference(img_array)
具体可以参考model_zoo下面的YoloV5/api.py, YoloX/api.py等。
本文仅做学术分享，如有侵权，请联系删文。
下载1
在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。
下载2
在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。
下载3
在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。
重磅！3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。
一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、orb-slam3等视频课程）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题
觉得有用，麻烦给个赞和在看~ 
