YOLOv6又快又准的目标检测框架 已开源

先看YOLOv6精度：
ModelSizemAPval
0.5:0.95SpeedV100
fp16 b32
(ms)SpeedV100
fp32 b32
(ms)SpeedT4
trt fp16 b1
(fps)SpeedT4
trt fp16 b32
(fps)Params
(M)Flops
(G)YOLOv6-n416
64030.8
35.00.3
0.50.4
0.71100
7882716
12424.3
4.34.7
11.1YOLOv6-tiny64041.30.91.542560215.036.7YOLOv6-s64043.11.01.737352017.244.2
右下角有个明显的漏检，比yoloe召回率要低，1060单张图片30ms左右，比yolov5s慢；优点：支持tensorrt

yoloe-s效果：

yoloe使用心得笔记：

yoloe 目标检测使用笔记_AI视觉网奇的博客-CSDN博客

yolov5精度：
Modelsize
(pixels)mAPval
0.5:0.95mAPval
0.5Speed
CPU b1
(ms)Speed
V100 b1
(ms)Speed
V100 b32
(ms)params
(M)FLOPs
@640 (B)YOLOv5n64028.045.7456.30.61.94.5YOLOv5s64037.456.8986.40.97.216.5YOLOv5m64045.464.12248.21.721.249.0YOLOv5l64049.067.343010.12.746.5109.1YOLOv5x64050.768.976612.14.886.7205.7YOLOv5n6128036.054.41538.12.13.24.6YOLOv5s6128044.863.73858.23.612.616.8YOLOv5m6128051.369.388711.16.835.750.0YOLOv5l6128053.771.3178415.810.576.8111.4YOLOv5x6

• TTA
  yoloe精度：
  PP-YOLOE-s64043.1%Training...Training...7.9317.36baidu pan code:qfldbaidu pan code:mwjy
  以下内容转自：

劲爆！YOLOv6又快又准的目标检测框架开源啦（附源代码下载）

代码地址：https://github.com/meituan/YOLOv6

精度对比：

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