yolo_researchpositive666/yolo_research
提供一套基于 PyTorch 的 YOLO 系列目标检测工程,覆盖从精度评估、速度基准到模型导出的完整链路,帮助开发者快速验证与落地检测模型。核心功能要点包括:1.【精度评估(Accuracy)】:给出单模型单尺度下的 mAP 等精度指标,…
还没有人评分
我要评分
Stars668
Forks135
Watchers668
Open Issues12
Install一键安装
待确认这个仓库是否遵循 Agent Skills 规范(即是否含 SKILL.md)尚未核查完成。在结论出来之前,可以先克隆下来自行取用:
git clone https://github.com/positive666/yolo_research.git
Overview功能介绍
核心功能
提供一套基于 PyTorch 的 YOLO 系列目标检测工程,覆盖从精度评估、速度基准到模型导出的完整链路,帮助开发者快速验证与落地检测模型。核心功能要点包括:1.【精度评估(Accuracy)】:给出单模型单尺度下的 mAP 等精度指标,用于横向对比不同 YOLOv5/YOLOv7/YOLOv8 变体与注意力机制改进后的检测效果;2.【速度基准(Speed)】:对 100 张推理图像做平均耗时统计,量化模型在目标硬件上的推理帧率与延迟,为选型与部署提供依据;3.【模型导出(Export)】:将训练好的模型导出为部署格式,打通从训练到 DeepStream 等推理引擎的落地环节;4.【结构扩展】:集成 SwinTransformer、注意力机制与自定义网络结构,支持在 YOLO 骨架上替换或插入模块做对比实验。
适用场景
目标检测模型选型与精度对比、推理性能压测与硬件适配评估、训练模型导出并接入 DeepStream 视频分析流水线、注意力机制与自定义骨干网络的消融实验。
适用职业
AI / 算法工程师、数据分析师 / 数据工程师、硬件 / 嵌入式工程师、测试 / QA 工程师。
Topics主题标签
Rating用户评分
还没有人给这个技能评分。它是全站第一次被评价 —— 你的这一票就是最初的平均分。
Repository仓库信息
| 技能 ID | 1832 |
|---|---|
| 数据来源 | GitHub |
| 仓库全名 | positive666/yolo_research |
| 所属分类 | AI 与算法 / 计算机视觉与目标检测 |
| 主要语言 | Python |
| 开源协议 | GNU General Public License v3.0 |
| 默认分支 | master |
| GitHub 仓库 ID | 342215698 |
| 节点 ID | MDEwOlJlcG9zaXRvcnkzNDIyMTU2OTg= |
| 榜单排名 | #1022 (来源榜单内名次) |
| 全站热度排名 | #1176 (按 Stars 实时计算,共 5833 条) |
GrowthStar / Fork 增长
每天一次快照,记录 Star 与 Fork 的变化过程
- 当前668
- 上一记录点 · 09-22 667
- 较上一记录点 +1
- 共 2 个记录点 跨度 19 天
- 当前135
- 上一记录点 · 09-22 135
- 较上一记录点 ±0
- 共 2 个记录点 跨度 19 天
Timeline时间线
仓库创建2021-02-25 11:02:172021-02-25
资料最后更新2026-10-26 12:07:4123 天前
最近一次代码推送2026-04-27 04:06:376 个月前
Commit更新记录
版本【v2.0.0】由提交人 positive666 提交,主要更新类型为:问题缺陷修复与稳定性提升。提交说明:fix bug。解决了已知运行时异常与边界错误,提升系统稳定性。