2

One-YOLOv5 v1.2.0发布：支持分类、检测、实例分割

 1 year ago
source link: https://blog.csdn.net/OneFlow_Official/article/details/129434553
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.

One-YOLOv5 v1.2.0发布：支持分类、检测、实例分割

0c15167e7b8765bcd720b3846731930c.jpeg

One-YOLOv5 v1.2.0正式发布。完整更新列表请查看链接：https://github.com/Oneflow-Inc/one-yolov5/releases/tag/v1.2.0，欢迎体验新版本，期待你的反馈。

1

新版本特性

1. 同步了Ultralytics YOLOv5的上游分支v7.0，同时支持分类、目标检测、实例分割任务

2. 支持flask_rest_api

3. 支持使用 wandb 对实验跟踪和可视化功能 

4. oneflow_hub_support_pilimage 

5.为每个batch的compute_loss部分减少一次h2d和cpu slice_update操作 

6. 优化 bbox_iou 函数和模型滑动平均部分，大幅提升训练性能 (一块RTX 3090加速训练YOLOv5s，时间减少11个小时，速度提升20%)

7. 兼容FlowFlops，训练时可以展示模型的FLOPs 

(基于 Flowflops 详解深度学习网络的 FLOPs 和 MACs 计算方案)

84d178ee3c660d7b9dc6e59c5538fe41.jpeg
1249262d056ca043dc886b21b5713eb9.jpeg
b8235a2eaecbdeea7eb56891f905b215.jpeg
142bd092b500aaf47f04cff662b4d31a.jpeg

目标检测: 目标检测是指从图像中检测出多个物体并标记它们的位置和类别。目标检测任务需要给出物体的类别和位置信息，通常使用边界框（bounding box）来表示。目标检测可以应用于自动驾驶、视频监控、人脸识别等领域。

图像分类:  图像分类是指给定一张图像，通过计算机视觉技术来判断它属于哪一类别。图像分类是一种有监督学习任务，需要通过训练样本和标签来建立分类模型。在图像分类中，算法需要提取图像的特征，然后将其分类为预定义的类别之一。例如，图像分类可以用于识别手写数字、识别动物、区分汽车和自行车等。

实例分割: 实例分割是指从图像中检测出多个物体并标记它们的位置和类别，同时对每个物体进行像素级的分割。实例分割要求更为精细的信息，因为它需要将物体的每个像素都分配给对应的物体。实例分割可以应用于医学影像分析、自动驾驶、虚拟现实等领域。

2

快速开始

在Python>=3.7.0的环境中克隆版本仓并安装 requirements.txt，包括 OneFlow nightly 或者 oneflow>=0.9.0 。

  • 检测模型训练示例：

    https://start.oneflow.org/oneflow-yolo-doc/tutorials/03_chapter/quick_start.html#_4

  • 分割和分类模型训练示例：

    https://start.oneflow.org/oneflow-yolo-doc/tutorials/03_chapter/model_train.html

3

在COCO上的精度表现

yolov5s-default

1efb169e1039104ae3998bceb935b3f6.png

启动指令:

yolov5s-seg

09a9e74155fbaec7edcf3ba26d665848.png

OneFlow后端启动指令

4

在COCO上的单GPU性能表现

04ae3211807814b39da9678849f959ea.png
newCodeMoreWhite.png
 
 
5
bug修复
 
 
以下记录了一些用户反馈的常见问题：
 
 
1. 出现满屏的误检框。

可能到原因场景太单一，泛化不够 ，更多可见我们关于如何准备一个好的数据集的介绍或者导出ONNX模型进行部署时代码有错误。
 
 
2. 让batch维度可以动态，加了dynamic参数？

暂时不支持该参数，可以自己编辑ONNX模型。相关教程请参考：https://github.com/Oneflow-Inc/one-yolov5/releases/download/v1.2.0_/openmmlab.pptx
 
 
3. 模型导出onnx时，出现 /tmp/oneflow_model322 类似报错。

OneFlow新老版本兼容性问题。这是旧版本创建的文件但是没清理，删除就可以解决。
 
 
4. 为训练过程loss、map、检测框等可视化适配了wandb(https://start.oneflow.org/oneflow-yolo-doc/tutorials/03_chapter/intro_to_wandb.html)
 
 
5. CUDA_VISIBLE_DEVICES环境变量设置放在import oneflow之后会失败，导致device选择失败，可以通过export CUDA_VISIBLE_DEVICES=1 手动控制。
 
 
6. autobatch功能

OneFlow缺少memory_reserved API，我们会尽快补齐，现在需要先手动指定下batch_size。下个版本将会解决并且会直接支持导出batch维度为动态的模型。
 
 
下个版本的展望
 
 
  •  
    继续提升One-YOLOv5单卡模式的训练速度
     
  •  
    解决目前训练时显存比Ultralytics偏大的问题
     
  •  
    CPU模式下支持ONNX模型的导出
     
  •  
    OneFlow研发的amp train目前已经开发完成正在测试中，下个版本将合并进main分支
     
  •  
    autobatch功能
     
常用预训练模型下载列表
 
 
18ac6bbd0e6465b96259f4fb1023ae81.png
 
  
 
其他人都在看
 
 
 
欢迎Star、试用OneFlow新版本：GitHub - Oneflow-Inc/oneflow: OneFlow is a deep learning framework designed to be user-friendly, scalable and efficient.OneFlow is a deep learning framework designed to be user-friendly, scalable and efficient. - GitHub - Oneflow-Inc/oneflow: OneFlow is a deep learning framework designed to be user-friendly, scalable and efficient.fluidicon.pnghttps://github.com/Oneflow-Inc/oneflow/
 

 Disable checkingPremium suggestions
                

        

        
文章知识点与官方知识档案匹配，可进一步学习相关知识

    

        

        

            

                report
            

        

    







        
Recommend

        



                

    
About Joyk

    
 





Aggregate valuable and interesting links.

Joyk means Joy of geeK