YoloAll项目简介

YoloAll是一个将当前主流Yolo版本集成到同一个UI界面下的推理预测工具。可以迅速切换不同的yolo版本，并且可以针对图片，视频，摄像头码流进行实时推理，可以很方便，直观的对比不同版本的yolo的推理效果，耗时等。

自从YoloAll V1版本推出以后，得到了很多朋友的喜欢，大家也跟我一样，被众多的Yolo版本所困扰，有时为了比较两个不同版本的Yolo的效果，往往需要花费很长时间搭建环境，并且很容易出错，因此才有了这个开发这个YoloAll的想法，能够非常方便的测试不同Yolo的效果！注意这个是测试推理效果的哦，不能进行训练，如果想要非常方便的训练，推荐另外一个可视化的YoloX训练项目：YoloX EasyTrain：https://github.com/DL-Practise/YoloX_EasyTrain

YoloAll V2.0新特性

更全\更美\更强\更易用

增加了YoloV4，更新YoloV5到6.0版本，更新YoloX到0.1.1版本
重新设计了界面，美观度提升，使用起来更加舒畅
增加了模型推理时候的参数配置
增加了模型自动下载功能，方便下载与训练模型；
集成了使用手册，方便查阅；
将所有模型的依赖放到根目录，安装依赖更加方便

YoloAll安装

操作系统：Win10、Win7、Ubuntu16.04（其他操作系统没有测试过）

python环境：python3.7

cuda环境：cuda10.1（也可以不用cuda，使用cpu推理）

step1、下载YoloAll源码

GitHub - DL-Practise/YoloAll: YoloAll is a collection of yolo all versions. you you use YoloAll to test yolov3/yolov5/yolox/yolo_fastest

step2、解压YoloAll，进入到根目录

cd root/to/yoloall

step3、升级pip

python -m pip install --upgrade pip

step4、安装依赖项

pip install -r requirements.txt

YoloAll使用

启动YoloAll

python main_widget.py

界面简介

主要包括模型管理界面，配置界面，预测界面、消息界面和日志界面组成。

模型管理界面会将所有的模型以及子模型（例如YoloX包含s,m,l等子模型）

配置界面用于配置一些预测参数，例如置信度阈值，nms阈值，图片大小等

预测界面用于展现预测结果

消息界面展现YoloAll的升级信息，使用教程等

日志界面：展示一些关键的日志信息

模型加载

刚启动YoloAll的时候，软件会去加载所有的模型，包括所有的子模型，因此需要等待一段时间，此时在日志界面会有相关的提示信息，需要等到日志界面出现“加载模型结束”。此时模型管理界面会出现所有加载的模型，表示模型的加载已经结束，可以进行测试了。

下载预训练模型

由于预训练模型通常都很大，因此，下载的YoloAll中是不包含预训练模型的，需要通过鼠标点击模型管理界面中的子模型，例如点击YoloX下面的yolox_l模型，会弹出提示框，提示预训练模型未下载，然后会在提示框中展示预训练模型的下载链接（有可能有多个下载链接），选择一个网速不错的链接，从浏览器下载，下载完毕之后，根据提示框中的提示信息，放到对应的文件夹下面。

预测

下载完预训练模型，并放到指定文件夹后，再次点击模型管理界面的模型，就会开始创建模型，并显示创建模型成功的界面。

此时可以点击预测界面的Photo按钮，选择一张图片进行预测，也可以点击Video按键，选择一段视频文件进行预测，也可以点击Camera按钮，启动摄像头进行拍摄和预测。

修改预测参数

在预测过程中，如果需要进行CPU、GPU的切换，或者修改预测参数，例如修改图像分辨率，置信度阈值，nms阈值等，可以在配置界面进行修改的勾选或者修改，修改完后，点击保存按钮，软件会重新创建模型，等模型创建成功后，可以继续使用新的配置进行预测。

预测信息

预测成功后，会在预测界面展示预测的信息，图中的方框即为预测出来的目标，红色的文字是预测的速度和FPS。大家可以切换不同的模型，进行预测结果以及耗时的对比。

YoloAll演示视频(V2.0)

后续上传。。。

YoloAll V2发布，集成所有主流Yolo模型于一身相关推荐

AI绘画最强工具：集成所有国内外主流大模型AI绘画能力文生图、图生图、图修复和超分辨率能力。
AIGC(Artificial Intelligence Generated Content)登上舞台,以高效.精准.定制化等能力特征,重新定义了内容生产方式. 只需通过4行代码就能实现强大的文图生成 ...
《预训练周刊》第27期：谷歌发布最新看图说话模型、GitHub：平台上30%的新代码受益于AI助手Copilot...
No.27 智源社区预训练组预训练研究观点资源活动关于周刊本期周刊,我们选择了9篇预训练相关的论文,涉及少样本理解.图像检测.决策图.大模型微调.对话微调.分子建模.蛋白质结构预测 ...
史上最全解读 | 飞桨模型库重大升级，主流算法模型全覆盖
允中发自凹非寺量子位编辑 | 公众号 QbitAI 11月5日,在Wave Summit+2019深度学习开发者峰会上,飞桨全新发布和重要升级了最新的21项进展,在深度学习开发者社区引起了巨 ...
飞桨模型保存_史上最全解读｜飞桨模型库重大升级，主流算法模型全覆盖
11 月 5 日,在 Wave Summit+2019 深度学习开发者峰会上,飞桨全新发布和重要升级了最新的 21 项进展,在深度学习开发者社区引起了巨大的反响. 很多未到场的开发者觉得遗憾,希望可以 ...
CSDN 日报第 1 期：蚂蚁集团将向机构投资者退款；Pyston v2 发布比 Python 快 20%
CSDN日报--给技术人奉上当日新鲜的科技资讯和优质博文干货! 互联网快讯 1.蚂蚁集团将向机构投资者退款,场外已交易 1000 万股蚂蚁集团董事长井贤栋连夜组织召开中高层会议,蚂蚁暂缓上海.香港两 ...
飞桨模型保存_史上最全解读 | 飞桨模型库重大升级主流算法模型全覆盖
11 月 5 日,在 Wave Summit+2019 深度学习开发者峰会上,飞桨全新发布和重要升级了最新的 21 项进展,在深度学习开发者社区引起了巨大的反响. 很多未到场的开发者觉得遗憾,希望可以 ...
YOLOv8 Ultralytics：最先进的 YOLO 模型——简介+实战教程
YOLOv8 Ultralytics:最先进的 YOLO 模型什么是 YOLOv8? YOLOv8 是来自 Ultralytics 的最新的基于 YOLO 的对象检测模型系列,提供最先进的性能. 利 ...
yolo模型部署——tensorRT模型加速+triton服务器模型部署
将最近的工作做个记录,方便日后学习回顾: 1.针对项目需求开发满足任务的模型,拿到任务就要去选相应的算法,由于是工程应用型,必须找填坑多的算法,这样遇到问题可参考的资料多. 2.做好以后,还要将开发的 ...
DeepLearning4j-使用Java训练YOLO模型
DeepLearning4j-使用Java训练YOLO模型在这个Yolo v3发布的大好日子. Deeplearning4j终于迎来了新的版本更新1.0.0-alpha,在zoo model中引入T ...

YoloAll V2发布，集成所有主流Yolo模型于一身