YOLO Air：YOLO科研改进论文推荐 改进组合上千种搭配，包括Backbone,Neck,Head,注意力机制,适用于YOLOv5、YOLOv7、YOLOX等算法_yoloair

• 完成更新集成 TOOD 算法
• 其他 各种

---

主要特性🚀

🚀支持更多的YOLO系列算法模型改进(持续更新…)

YOLOAir 算法库汇总了多种主流YOLO系列检测模型，一套代码集成多种模型:

• 内置集成 YOLOv5 模型网络结构、YOLOv7 模型网络结构、 YOLOv6 模型网络结构、PP-YOLO 模型网络结构、PP-YOLOv2 模型网络结构、PP-YOLOE 模型网络结构、PP-YOLOEPlus 模型网络结构、YOLOR 模型网络结构、YOLOX 模型网络结构、ScaledYOLOv4 模型网络结构、YOLOv4 模型网络结构、YOLOv3 模型网络结构、YOLO-FaceV2模型网络结构、TPH-YOLOv5模型网络结构、SPD-YOLO模型网络结构、SlimNeck-YOLO模型网络结构、YOLOv5-Lite模型网络结构、PicoDet模型网络结构等持续更新中…
• 以上多种检测算法使用统一模型代码框架，集成在 YOLOAir 库中，统一任务形式、统一应用方式。🌟便于科研者用于论文算法模型改进，模型对比，实现网络组合多样化。🌟工程算法部署落地更便捷，包含轻量化模型和精度更高的模型，根据场景合理选择，在精度和速度俩个方面取得平衡。同时该库支持解耦不同的结构和模块组件，让模块组件化，通过组合不同的模块组件，用户可以根据不同数据集或不同业务场景自行定制化构建不同检测模型。

🚀支持加载YOLOv3、YOLOv4、YOLOv5、YOLOv7、YOLOR、Scaled_YOLO等网络的官方预训练权重进行迁移学习

🚀支持更多Backbone

• CSPDarkNet系列
• HorNet系列
• ResNet系列
• RegNet 系列
• ShuffleNet系列
• Ghost系列
• MobileNet系列
• EfficientNet系列
• ConvNext系列
• RepLKNet系列
• 重参数化系列
• RepVGG系列
• RepMLP系列
• ACNet系列
• RepConv系列
• Mobileone系列
• 自注意力Transformer系列
• MobileViT系列
• BoTNet-Transfomrer
• CoTNet-Transfomrer
• Swin-Transfomrer
• 以及其他trans系列
  持续更新中🎈🚀🚀🚀
  注: (YOLOAir(Beta版本内测)🔥 已经完成更新 20+ 种Transformer系列主干网络、多种MLP网络 以及 绝大部分重参数化结构模型网络)

🚀支持更多Neck

• FPN
• PANet
• RepPAN
• BiFPN等主流结构。
  持续更新中🎈

🚀支持更多检测头Head

• YOLOv4、YOLOv5 Head检测头;
• YOLOR 隐式学习Head检测头;
• YOLOX的解耦合检测头Decoupled Head、DetectX Head;
• 自适应空间特征融合 检测头ASFF Head;
• YOLOv6-v2.0 Efficient decoupled head;
• YOLOv7检测头IAuxDetect Head, IDetect Head等;
• PPYOLOE Efficient Task-aligned head with DFL and VFL
• 其他不同检测头

🚀支持更多即插即用的注意力机制Attention

• 在网络任何部分即插即用式使用注意力机制
• Self Attention
• Contextual Transformer
• Bottleneck Transformer
• S2-MLP Attention
• SK Attent