Skip to content

Latest commit

 

History

History
255 lines (199 loc) · 12.1 KB

README_zh-CN.md

File metadata and controls

255 lines (199 loc) · 12.1 KB

PyPI Documentation Status license open issues GitHub pull-requests GitHub latest commit

EasyCV

English | 简体中文

简介

EasyCV是一个涵盖多个领域的基于Pytorch的计算机视觉工具箱,聚焦自监督学习和视觉transformer关键技术,覆盖主流的视觉建模任务例如图像分类,度量学习,目标检测,关键点检测等。

核心特性

  • SOTA 自监督算法

    EasyCV提供了state-of-the-art的自监督算法,有基于对比学习的算法例如 SimCLR,MoCO V2,Swav, Moby,DINO,也有基于掩码图像建模的MAE算法,除此之外我们还提供了标准的benchmark工具用来进行自监督算法模型的效果评估。

  • 视觉Transformers

    EasyCV聚焦视觉transformer技术,希望通过一种简洁的方式让用户方便地使用各种SOTA的、基于自监督预训练和imagenet预训练的视觉transformer模型,例如ViT,Swin-Transformer,Shuffle Transformer,未来也会加入更多相关模型。此外,我们还支持所有timm仓库中的预训练模型.

  • 易用性和可扩展性

    除了自监督学习,EasyCV还支持图像分类、目标检测,度量学习,关键点检测等领域,同时未来也会支持更多任务领域。 尽管横跨多个任务领域,EasyCV保持了统一的架构,整体框架划分为数据集、模型、回调模块,非常容易增加新的算法、功能,以及基于现有模块进行扩展。

    推理方面,EasyCV提供了端到端的简单易用的推理接口,支持上述多个领域。 此外所有的模型都支持使用PAI-EAS进行在线部署,支持自动伸缩和服务监控。

  • 高性能

    EasyCV支持多机多卡训练,同时支持TorchAccelerator和fp16进行训练加速。在数据读取和预处理方面,EasyCV使用DALI进行加速。对于模型推理优化,EasyCV支持使用jit script导出模型,使用PAI-Blade进行模型优化。

最新进展

[🔥 2023.05.09]

  • 09/05/2023 EasyCV v0.11.0 was released.

[🔥 2023.03.06]

  • 06/03/2023 EasyCV v0.10.0 was released.
  • 增加分割模型STDC
  • 增加基于关键点的视频分类模型STGCN
  • 支持多镜头多目标跟踪

[🔥 2023.01.17]

  • 17/01/2023 EasyCV v0.9.0 was released.
  • 支持单镜头多目标跟踪。
  • 增加视频识别算法 (X3D, SWIN-video)

[🔥 2022.12.02]

  • 02/12/2022 EasyCV v0.8.0 版本发布.
  • bevformer-base NDS在nuscenes val上提升0.8,训练速度提升10%,推理速度提升40%。
  • 支持Objects365预训练,加入DINO++模型在200M模型规模下可达到63.4mAP的精度(同等规模下精度最佳)。

[🔥 2022.08.31] 近期我们开源了YOLOX-PAI,在40-50mAP(推理速度小于1ms)范围内达到了业界的SOTA水平。同时EasyCV提供了一套简洁高效的模型导出和预测接口,供用户快速完成端到端的图像检测任务。如果你想快速了解YOLOX-PAI, 点击 这里!

  • 31/08/2022 EasyCV v0.6.0 版本发布。
    • 发布YOLOX-PAI,在轻量级模型中取得SOTA效果
    • 增加检测算法DINO, COCO mAP 58.5
    • 增加Mask2Former算法
    • Datahub新增imagenet1k, imagenet22k, coco, lvis, voc2012 数据的百度网盘链接,加速下载

更多版本的详细信息请参考变更记录

技术文章

我们有一系列关于EasyCV功能的技术文章。

安装

请参考快速开始教程中的安装章节。

快速开始

请参考快速开始教程 快速开始。我们也提供了更多的教程方便你的学习和使用。

模型库

模型
自监督学习 图像分类 目标检测 分割 3D目标检测
  • 实例分割
  • 语义分割
  • 全景分割
  • 不同领域的模型仓库和benchmark指标如下

    开源许可证

    本项目使用 Apache 2.0 开源许可证. 项目内含有一些第三方依赖库源码,部分实现借鉴其他开源仓库,仓库名称和开源许可证说明请参考NOTICE文件

    Contact

    本项目由阿里云机器学习平台PAI-CV团队维护,你可以通过如下方式联系我们:

    钉钉群号: 41783266 邮箱: [email protected]

    企业级服务

    如果你需要针对EasyCV提供企业级服务,或者购买云产品服务,你可以通过加入钉钉群联系我们。

    dingding_qrcode