Skip to content

Latest commit

 

History

History
189 lines (133 loc) · 11.5 KB

README.md

File metadata and controls

189 lines (133 loc) · 11.5 KB

YOLO Master

项目简介

  • 本项目主要对YOLO系列模型进行介绍，包括各版本模型的结构，进行的创新、优化、改进等

  • 本课程内容，在传统的DL课程中，大致位于深度视觉模型里的ResNet之后，Transformer 等Squential Models 之前的位置

  • 本课程旨在帮助学习者们可以了解和掌握主要YOLO模型的发展脉络，以期在各自的应用领域可以进一步创新并在自己的任务上达到较好的效果。

  • 飞书白皮书规划文档

  • 内测文档

项目受众

  • 本课程面向有一定的机器学习基础的，上过Deep Learning和图像图形学课程的学生、工程师或者研究者
  • 应用领域为基于YOLO的目标检测、图像分类、图像分割、姿态检测和目标跟踪(如 ultralytics 实操 )
  • 期待手动实现YOLO算法（From Scratch） 的学习者，将YOLO系列模型应用到所在领域数据或者提高表现（Hacking） 的工程师，研究者

目录

第一部分 YOLO 全系列模型详解

  1. YOLOv1详解 @刘伟鸿

  2. YOLOv2详解 @蔡鋆捷

  3. YOLOv3详解 @蔡鋆捷 @程宏

  4. YOLOv4详解 @蔡鋆捷

  5. YOLOv5详解 @蔡鋆捷

  6. YOLOv6详解 @陈国威

  7. YOLOv7详解 @蔡鋆捷

  8. YOLOv8详解 @蔡鋆捷 @程宏

  9. YOLOv9详解 @陈国威

  10. YOLOv10详解 @陈国威

  11. YOLO11详解 @彭彩平

  12. YOLOX详解 @全政宇

第二部分 YOLO 全系列教程

  1. YOLO Master--学习YOLO的正确姿势：从入门到"真香"的奇妙之旅 @林涛 @程宏

  2. 【鸟瞰YOLO系列模型】YOLOv1-v11概述汇总与发布时间线 @程宏 @彭彩平 @ 张小白

  3. YOLO系列算法的基本原理与网络结构 @彭彩平 @程宏 @胡博毓

  4. YOLO系列算法实操教程

    1. YOLO系列入门教程 @程宏 @余霆嵩

      1. 教程文档
      2. 教程代码

    2. YOLO系列算法进阶教程 @余霆嵩 @程宏

      1. 教程文档
      2. 教程代码

    3. YOLO系列算法的数据集制作与整理 @程宏 @刘伟鸿

  5. YOLO系列算法从零开始实现教程 @刘伟鸿 @程宏 @蔡鋆捷

    1. YOLOv1 Notebook / README
    2. YOLOv3 Notebook / README
    3. YOLOv5 Notebook / README

  6. YOLO系列算法魔改教程 @白雪城 @谢彩承 @胡博毓

    1. 教程文档
    2. 教程代码

  7. YOLO系列模型的硬件部署与量化

    • 使用香橙派AIPro实现YOLOv5目标检测 @张小白
    • 使用Jetson Nano B01实现YOLOv4目标检测 @张小白

  8. YOLO Master ModelScope 模型上传教程 @张小白 @程宏

更多教程还在完成完善中（WIP）

欢迎贡献者加入，一起完善教程~

  1. YOLO系列算法的基本原理与网络结构 @彭彩平 @程宏【WIP80%】本文档采用由大到小（概述-->功能分块），再由小到大（关键概念-->典型算法-->典型模块-->典型网络机构）的介绍逻辑
  2. YOLO系列模型算法中的LOSS 【WIP】总结用于优化的LOSS函数在YOLO系列模型算法中的应用和各版本中的异同和进化 @谭斐然
  3. YOLO系列模型之如何阅读ultralytics源码？【WIP】专为想尝试阅读ultralytics源码并准备尝试修改原模型的同学准备，希望能够帮助大家更好的阅读源码，可以在进行实战教程尝试前阅读 @谭斐然
  4. YOLO系列入门实操教程【ultralytics YOLOv8】【WIP】优化和github notebook移植对齐 @北有青空
  5. YOLO系列模型之如何阅读PP-YOLOE源码【WIP】基于国产深度学习框架PaddlePaddle的算法库PaddleDetection
  6. PP-YOLOE详解【WIP】PP-YOLOE模型的详解
  7. PP-YOLOE系列模型实践【WIP】PP-YOLOE模型的实践
  8. 基于mmyolo的YOLO系列算法实践【WIP】mmyolo：OpenMMLab YOLO series toolbox and benchmark. Implemented RTMDet, RTMDet-Rotated,YOLOv5, YOLOv6, YOLOv7, YOLOv8,YOLOX, PPYOLOE, etc.

Github 目录结构说明

.
├── Hacking_YoLo                   # 魔改教程
│   ├── C1 主干（Backbone）
│   ├── C2 颈部（Neck）
│   ├── C3 头部（Head）
│   ├── C4 注意力机制（Attention）
│   ├── C6 其他
│   └── README.md
├── Hands_on_YoLo_with_ultralytics # 基于ultralytics的应用实践教程
│   ├── 0-dog-breed-detection        # # 入门
│   ├── 1-DOTA-obb                   # # 进阶OBB任务
│   └── README.md
├── Pytorch_YoLo_From_Scratch      # YOLO系列模型从零开始实现教程
│   ├── README.md
│   ├── datasets                     # # 采用COCO demo数据集
│   │   ├── coco128.zip
│   │   └── coco8.zip
│   ├── resource
│   ├── v1                           # # 使用VOC数据集
│   ├── v3                           # # 使用COCO toy数据集
│   └── v5                           # # 使用COCO toy数据集
├── README.md
├── Images
└── docs

贡献者名单

姓名 职责 简介
程宏 项目主负责人、发起者、代码和教程的初审与内测 DataWhale意向成员
蔡鋆捷 项目主负责人、详解核心贡献者、组织内测 DataWhale意向成员
余霆嵩 项目负责人、代码审核与优化 DataWhale意向成员
白雪城 项目负责人、发起者、魔改负责人 DataWhale成员
徐韵婉 发起者、飞书 DataWhale成员
刘伟鸿 V1详解，V1 Scratch, 数据集制作与整理 DataWhale成员
胡博毓 V8 Review，魔改教程, DataWhale成员
谢彩承 V1、V2、V5 Review，魔改教程 DataWhale意向成员
陈国威 V6、V9、V10详解 DataWhale意向成员
彭彩平 YOLO11详解, 鸟瞰yolo、基本原理与网络结构
全政宇 V9、V10 Review，YOLOX详解 DataWhale意向成员
张小白 YOLO系列模型趣闻和谣言，硬件部署，ModelScope使用 DataWhale意向成员

Reviewer List

在 YOLO Master 项目的开发与优化过程中，各位 Reviewer 以严谨的专业态度、细致的审查意见及建设性反馈， 为项目质量的提升提供了重要支持和宝贵建议，显著增强了教程项目知识体系的完善和合理，提高了学习时的用户体验。 大家的专业洞察与耐心指导是YOLO Master项目持续迭代的基石，期待在未来开发和教程体系完善过程中继续与大家合作， YOLOMaster 将和大家一起成长进步，让我们为共同推动项目成为更专业、更高效、更易用的 YOLO 系列模型的开源学习教程而努力！

在此，我们诚挚感谢参与第一批内测(文档 )的Reviewers 以及已经贡献教程和代码、成为贡献者的小伙伴们（斜体字）， 也期待更多的小伙伴可以加入内测，有更多的小伙伴成为我们项目教程的贡献者！

Ver. No Reviewer Name(s) Notes
v1 谢彩承
v2 谢彩承
v3 冯启洪，谭斐然
v4 胥佳程
v5 谢彩承，胥佳程
v6 马恺
v7 林涛
v8 揭沁沅，冯启洪，胡博毓
v9 全政宇
v10 全政宇，李欣桓
v11 冯启洪，李欣桓

参与贡献

  • 如果你发现了一些问题，可以提Issue进行反馈，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
  • 如果你想参与贡献本项目，可以提Pull request，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
  • 如果你对 Datawhale 很感兴趣并想要发起一个新的项目，请按照Datawhale开源项目指南进行操作即可~

关注我们

扫描下方二维码关注公众号：Datawhale

LICENSE

知识共享许可协议
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议