劲爆！YOLOv6又快又准的目标检测框架开源啦（附源代码下载）

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

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

图1-2 YOLOv6 与其他模型在不同分辨率下性能对比

02

Yolov6关键技术

Hardware-friendly 的骨干网络设计

图2 Roofline Model 介绍图

图3 Rep算子的融合过程[4]

图4 EfficientRep Backbone 结构图

图5 Rep-PAN 结构图

更简洁高效的 Decoupled Head

图6 Efficient Decoupled Head 结构图

更有效的训练策略

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。

表1 YOLOv6-nano 消融实验结果

下表2展示了YOLOv6与当前主流的其他YOLO系列算法相比较的实验结果。从表格中可以看到：

表2 YOLOv6各尺寸模型性能与其他模型的比较

04

总结与展望

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

计算机视觉研究院学习群等你加入！

ABOUT

计算机视觉研究院

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

VX：2311123606

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