YOLO Magic🚀 - 增强 YOLOv5 视觉任务框架

YOLO Magic🚀 是基于 Ultralytics YOLOv5 构建的扩展，旨在为视觉任务提供更强大的功能和更简单的操作。它在 YOLOv5 的基础上引入了多种网络模块，并提供了一个直观的基于 Web 的界面，以方便初学者和专业人士使用，同时提高灵活性。

核心特性

1. 强大的网络模块扩展

YOLO Magic🚀 引入了一系列强大的网络模块，用于扩展 YOLOv5 的功能，为用户提供更多的选择和可能性：

• 空间金字塔模块：包括 SPP、SPPF、ASPP、SPPCSPC、SPPFCSPC 等。这些模块旨在捕捉不同空间尺度上的目标，增强模型的视觉感知能力。

• 特征融合结构：我们提供了多种特征融合结构，如 FPN、PAN、BIFPN 等，能够有效融合不同层级的特征信息，从而提升模型的目标检测和定位性能。

• 新型骨干网络：YOLO Magic🚀 支持多种预训练的骨干网络，包括 EfficientNet、ShuffleNet 等。这些骨干网络为提升模型性能和效率提供了更多选择。

• 丰富的注意力机制：我们提供了多种注意力机制，可以轻松嵌入到您的模型中，以增强对目标的关注度，提高检测性能。

2. 简单易用的 Web 界面

YOLO Magic🚀 通过一个直观的基于 Web 的界面，极大地简化了模型推理过程。无需再进行繁琐的命令行操作，您可以轻松完成以下任务：

• 图像推理：只需简单拖放和配置即可进行图像推理和目标检测。您可以自由调整置信度、阈值，上传图片并裁剪感兴趣区域。

• 视频推理：待开发

为什么选择 YOLO Magic🚀

• 性能提升：引入先进的网络模块，提升模型性能和精度。
• 操作简化：Web 界面使操作更加直观和友好，即使是初学者也能轻松上手。
• 可定制性：支持多种自定义配置，满足不同场景和任务的需求。
• 社区支持：YOLO Magic🚀 拥有一个活跃的社区，提供丰富的教程和资源，帮助用户充分利用这一强大工具。

快速开始

您可以通过以下步骤快速开始使用 YOLO Magic🚀：

安装

git clone https://github.com/ultralytics/yolov5  # 克隆仓库
cd yolov5
pip install -r requirements.txt  # 安装环境

使用 detect.py 进行推理

detect.py 可以对各种数据源进行推理。它会自动从 repository 下载最新的 YOLOv5 模型，并将检测结果保存到 runs/detect 目录。

python detect.py --source 0  # 摄像头
                          img.jpg  # 图片
                          vid.mp4  # 视频
                          path/  # 文件夹
                          'path/*.jpg'  # 全局匹配
                          'https://youtu.be/Zgi9g1ksQHc'  # YouTube
                          'rtsp://example.com/media.mp4'  # RTSP、RTMP、HTTP

网页推理

使用基于 Gradio 的界面快速启动网页。

python detect_web.py

训练

以下命令可以在 COCO 数据集上复现 YOLOv5 的结果。模型 和 数据集 会自动从最新的 YOLOv5 release 中下载。在 V100 GPU 上，YOLOv5n/s/m/l/x 的训练时间分别为 1/2/4/6/8 天（多 GPU 训练时间线性缩放）。请尽可能使用最大的 --batch-size，或启用 YOLOv5 的 自动批处理，设置 --batch-size -1。以下是针对 V100-16GB 显卡的批大小示例。

python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5n.yaml  --batch-size 128
                                                                 yolov5s                    64
                                                                 yolov5m                    40
                                                                 yolov5l                    24
                                                                 yolov5x                    16

验证

使用 val.py 验证您的模型。

python val.py --weights yolov5s.pt --task test

贡献

我们欢迎开发者和研究人员共同贡献代码，一起改进 YOLO Magic🚀。

如果您有任何问题或建议，请随时提交 issue。我们的社区成员将很乐意为您提供帮助和支持。

许可证

该项目的代码和文档现已采用 GNU Affero 通用公共许可证 3.0 (AGPL-3.0) 许可。详细的许可条款请参阅随附的 LICENSE 文件。

这意味着，任何使用、修改和再分发本项目的人，在基于本项目提供网络服务时，都必须公开源代码。更多信息请阅读许可证。

---

无论您是视觉任务领域的初学者还是经验丰富的研究者，YOLO Magic🚀 都能为您提供强大且易于使用的工具，助您在计算机视觉领域取得成功。

与 YOLO Magic🚀 一起探索视觉任务的新前沿。 🌟👁️

YOLOMagic 快速上手指南

YOLOMagic 是基于 Ultralytics YOLOv5 构建的增强型视觉任务框架，提供了丰富的网络模块扩展（如注意力机制、新骨干网络）以及便捷的 Web 推理界面。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS, Windows
• Python 版本：Python 3.8 - 3.10
• 硬件要求：推荐使用 NVIDIA GPU 以加速训练和推理（需安装 CUDA）
• 前置依赖：
  • Git
  • pip (Python 包管理工具)

国内加速建议：在安装 Python 依赖时，建议使用清华或阿里镜像源以提升下载速度。 例如：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 克隆项目代码 首先克隆 YOLOv5 基础仓库（YOLOMagic 基于此构建）：

   git clone https://github.com/ultralytics/yolov5
   cd yolov5
   

2. 安装依赖环境 进入目录后安装所需的 Python 库：

   pip install -r requirements.txt
   

   (如需使用国内镜像加速，请参考上方环境准备中的命令)

基本使用

YOLOMagic 支持命令行推理和直观的 Web 界面推理两种方式。

方式一：Web 界面推理（推荐新手）

启动基于 Gradio 的网页界面，无需编写命令即可通过拖拽图片进行目标检测，支持调整置信度阈值和裁剪感兴趣区域。

python detect_web.py

运行后，终端会显示本地访问地址（通常为 http://127.0.0.1:7860），在浏览器打开即可使用。

方式二：命令行推理

使用 detect.py 脚本对图片、视频、摄像头或网络流进行快速推理。模型会自动从官方仓库下载。

检测单张图片：

python detect.py --source img.jpg

调用摄像头实时检测：

python detect.py --source 0

检测视频文件：

python detect.py --source vid.mp4

检测结果将自动保存至 runs/detect 目录下。