关注并星标
从此不迷路
公众号ID｜ComputerVisionGzq
学习群｜扫码在主页获取加入方式
代码地址：https://github.com/meituan/YOLOv6
转自《美团技术团队》
计算机视觉研究院专栏
近日，美团视觉智能部研发了一款致力于工业应用的目标检测框架YOLOv6，能够同时专注于检测的精度和推理效率。在研发过程中，视觉智能部不断进行了探索和优化，同时吸取借鉴了学术界和工业界的一些前沿进展和科研成果。在目标检测权威数据集COCO上的实验结果显示，YOLOv6在检测精度和速度方面均超越其他同体量的算法，同时支持多种不同平台的部署，极大简化工程部署时的适配工作。特此开源，希望能帮助到更多的同学。
01
概述
图1-1 YOLOv6 各尺寸模型与其他模型性能对比
02
Yolov6关键技术
更简洁高效的 Decoupled Head
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。
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：
04
总结与展望
05
参考文献
06
作者简介
转载请联系本公众号获得授权
计算机视觉研究院学习群等你加入！
ABOUT
计算机视觉研究院
VX：2311123606
往期推荐
🔗
AI助力社会安全，最新视频异常行为检测方法框架 目前精度最高效率最快存储最小的目标检测模型（附源码下载） CVPR小目标检测：上下文和注意力机制提升小目标检测（附论文下载） Double-Head：检测头上再创新，提升精度（附原论文下载） 海康研究院出品：具有场景自适应概念学习的无监督目标检测（附论文下载） 新技术：高效的自监督视觉预训练，局部遮挡再也不用担心！ VS Code支持配置远程同步了 改进的阴影抑制用于光照鲁棒的人脸识别 基于文本驱动用于创建和编辑图像（附源代码） 基于分层自监督学习将视觉Transformer扩展到千兆像素图像 霸榜第一框架：工业检测，基于差异和共性的半监督方法用于图像表面缺陷检测 CLCNet：用分类置信网络重新思考集成建模（附源代码下载） YOLOS：通过目标检测重新思考Transformer（附源代码） 工业检测：基于密集尺度特征融合&像素级不平衡学习框架（论文下载） Fast YOLO：用于实时嵌入式目标检测（附论文下载） 计算机视觉研究院：AI部署以及工业落地学习之路（文章较长，建议收藏） 目标检测干货 | 多级特征重复使用大幅度提升检测精度（文末附论文下载
