Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/iscyy/ultralyticspro
🔥🔥🔥 专注于YOLO11，YOLOv8、YOLOv10、RT-DETR、YOLOv7、YOLOv5改进模型，Support to improve backbone, neck, head, loss, IoU, NMS and other modules🚀
https://github.com/iscyy/ultralyticspro
backbone deep-learning pytorch rt-detr transformer yolo yolo11 yoloair yolov10 yolov3 yolov4 yolov5 yolov6 yolov7 yolov8
Last synced: 32 minutes ago
JSON representation
🔥🔥🔥 专注于YOLO11，YOLOv8、YOLOv10、RT-DETR、YOLOv7、YOLOv5改进模型，Support to improve backbone, neck, head, loss, IoU, NMS and other modules🚀
- Host: GitHub
- URL: https://github.com/iscyy/ultralyticspro
- Owner: iscyy
- License: agpl-3.0
- Created: 2022-08-05T09:37:53.000Z (over 2 years ago)
- Default Branch: main
- Last Pushed: 2025-01-28T14:11:17.000Z (11 days ago)
- Last Synced: 2025-01-31T11:44:49.806Z (8 days ago)
- Topics: backbone, deep-learning, pytorch, rt-detr, transformer, yolo, yolo11, yoloair, yolov10, yolov3, yolov4, yolov5, yolov6, yolov7, yolov8
- Language: Python
- Homepage: https://github.com/iscyy/ultralyticsPro
- Size: 57.7 MB
- Stars: 2,567
- Watchers: 25
- Forks: 436
- Open Issues: 42
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
🔥🔥🔥 专注于YOLO11，YOLOv8、YOLOv10、RT-DETR、YOLOv7、YOLOv5改进模型，Support to improve backbone, neck, head, loss, IoU, NMS and other modules🚀
🌟 全新的YOLO系列改进项目**ultralyticsPro**来袭，最新改进点更新🚀2025
-------
🍉🍉🍉**如何获取YOLO改进的完整版代码?**
ultralyticsPro 项目的完整版代码, 需要订阅后才能获取, 可以加芒果QQ：**2434798737**，或者点击链接 通过 👉[bilibili哔哩哔哩](https://space.bilibili.com/1532780812) 私信, 进行项目订阅
订阅后，实时获取最新的《YOLO改进项目完整版代码》100%可运行,同时也适合新手
----------
ultralyticsPro项目改进系列有：YOLO11，YOLOv8、YOLOv10、RT-DETR 改进模型，改进哪个模型就可以订阅哪个
改进项目合集（改进哪个模型订阅哪个模型即可，订阅后可以看对应的《完整版改进内容》，比如改进 YOLO11 项目，订阅以下 YOLO11 项目即可）
🍉 - ultralyticsPro系列 - 芒果 YOLOv8 改进项目 👉 **内测价￥129**
🍇 - ultralyticsPro系列 - 芒果 YOLO11 改进项目 👉 **内测价￥69**
🍈 - ultralyticsPro系列 - 芒果 YOLOv10 改进项目 👉 **内测价￥89**
🍌 - ultralyticsPro系列 - 芒果 RT-DETR 改进项目 👉 **内测价￥59**
🍈 - ultralyticsPro系列 - 芒果 YOLOv7 改进项目 👉 **内测价￥89**
🍌 - ultralyticsPro系列 - 芒果 YOLOv5 改进项目 👉 **内测价￥89**
--------
订阅方式：联系QQ：**2434798737** 或者 👉[bilibili哔哩哔哩](https://space.bilibili.com/1532780812) 私信
---
### 🚀🚀🚀使用说明
**本项目持续维护，持续更新原创内容**
该项目基于 官方的 [**ultralytics**](https://github.com/ultralytics/ultralytics) 项目v8.3.x版本，使用稳定可靠，环境已配好，适合零基础小白以上的用户使用
配套bilibili视频教程链接：[bilibili: 芒果学AI](https://space.bilibili.com/1532780812) （可 bilibili 私信）
### 🔥🔥🔥目前为`订阅制` ，需要订阅的联系QQ：**2434798737** 或者点击链接 通过 👉[bilibili哔哩哔哩](https://space.bilibili.com/1532780812) 私信
1. 🍈《ultralyticsPro改进项目》基于官方ultralytics项目8.3.x-最新稳定版本，兼容所有官方的更新
2. 🍉订阅《ultralyticsPro改进项目》即可获取本项目里面改进点对应的《YOLO核心代码模块文件》，加入《YOLO改进后的核心代码文件》就可以直接运行。保证本项目中已有的改进点都能正常运行实验
3. 🏅️用户可以添加博主的联系方式 QQ：**2434798737** ⭐⭐⭐（或者点击链接 通过 👉[bilibili哔哩哔哩](https://space.bilibili.com/1532780812) 私信
4. 🚀该项目持续更新：内容包括：改进 **新的标签分配策略、检测头Head、损失函数Loss、主干Backbone、Neck部分、分类损失函数、NMS改进、写作技巧、性能指标技巧**
5. 🍌在此基础上新建了一个《芒果YOLO项目改进交流群》便于项目改进交流和答疑，并在群里同步更新新的内容
6. 🌰新增以《视频教程》辅助来说明应该怎么改
7. 🌟多任务改进篇：支持**OBB旋转检测、姿态估计、图像分割任务、图像分类**等各类改进
8. 🍊重点：支持该项目相关改进的答疑服务
---
### 项目相关链接
#### 2.1 视频教程
bilibili视频教程链接：[bilibili: https://space.bilibili.com/1532780812](https://space.bilibili.com/1532780812) （可 bilibili 私信）
更多视频看 [哔哩哔哩：芒果学AI🎈](https://space.bilibili.com/1532780812)
---
### 🏅️🏅️订阅说明
需要订阅的联系QQ：**2434798737**
如果QQ加不上，可以（点击链接 通过 👉[bilibili哔哩哔哩](https://space.bilibili.com/1532780812) 私信，留下你的QQ并备注订阅YOLO改进项目
扫描QQ二维码也可
---
**本项目持续维护，持续更新原创内容**
### 主要特性🚀
🚀支持更多的YOLO系列算法模型改进(持续更新...)
ultralyticsPro 改进项目 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 YOLO11 模型改进、YOLOv8 模型改进、YOLOv10 模型改进、RT-DETR 模型改进、YOLOv5 模型改进、 YOLOv7 模型网络结构、等持续更新中...
🚀支持更多的网络模型组件
ultralyticsPro Structural Module Components
不同Conv卷积 模块改进
Label Alignment 不同标签分配策略 改进
Head检测头
- ARConv自适应旋转 卷积
- DCNv4 卷积
- DCNv3 卷积
- DCNv2 卷积
- DoConv 卷积
- DRConv 卷积
- DSConv 卷积
- DyConv 卷积
- GSConv 卷积
- LdConv 卷积
- ODConv 卷积
- PinwheelConv 卷积
- PWConv 卷积
- RepConv 卷积
- RFAConv 卷积
- SAConv 卷积
- SCConv 卷积
- ShiftConv 卷积
- TBConv 卷积
- RFAConv 卷积
- SPConv 卷积
- TVConv 卷积
- 更多卷积改进更新中
...
- DynamicATSS 标签分配策略
- ATSS 标签分配策略
- TAL 标签分配策略
- SimOTA 标签分配策略
- v5LA 标签分配策略
- v6LA 标签分配策略
- v7OTA 标签分配策略
- NMS free 标签分配策略
- VariFocalNet 标签分配策略
- YOLO11-NanoDet 标签分配策略
- GFL 标签分配策略
- YOLO11-DotD 标签分配策略
- YOLO11-SimD 标签分配策略
- v10LA 标签分配策略
- 更多Label Alignment不同标签分配策略改进更新中
- AdaptiveHead
- ARHead
- AsDDet
- DynaConvHead
- DynamicHead
- ImplicitHead
- LiteShiftHead
- SERDet
- ShareSepHead
- CoordHead
- DOHead
- drhead
- DSHead
- DYHead
- GSHead
- LADH
- LDHead
- ODHead
- PinwheelHead
- pwhead
- RFAHead
- SAUHead
- SCHead
- SPHead
- TBHead
- 更多检测头改进更新中
...
ultralyticsPro Structural Module Components
Backbones 主干特征提取网络
Necks 特征融合网络
IoU Loss 损失函数改进
- CFNet 系列
- Swin transformer 系列
- Swinv2 transformer 系列
- BiFormer 系列
- FasterNeXt 系列
- GhostNet 系列
- EfficentNet 系列
- DAMOYOLO 系列
- QARepNeXt 系列
- MAE 系列
- ConvNeXtv2 系列
- MobileVit 系列
- MobileVitv2 系列
- MobileVitv3 系列
- Conv2Former 系列
- InceptionNeXt 系列
- RepLKNet 系列
- DenseNet 系列
- RepGhostNet 系列
- PPHGNetv2 系列
- LEF 系列
- EfficentNetv2 系列
- GhostNetv2 系列
- PvTtransformer 系列
- UniRepLKNet 系列
- CFPNet 系列
- MSBlock 系列
- QARep 系列
- MobileOne 系列
- EMO 系列
- AcMix 系列
- CIB 系列
- ELAN 系列
- GCNet 系列
- ELAN 系列
- RepHELAN 系列
- CSPDarkNet系列
- HorNet系列
- ResNet系列
- RegNet系列
- ShuffleNet系列
- MobileNet系列
- ConvNext系列
- RepVGG系列
- transformer系列
- Gather-and-Distribute机制
- Lowlevel Feature Alignment机制
- HFAMPAN机制
- RepNCSPFPN结构
- RepBiSF结构
- Scale-sequence-feature-fusion结构
- CCFM重构跨尺度特征结构
- Multi-Branch Auxiliary FPN结构
- AFPN 结构
- EffQAFPN 结构
- FFD 结构
- NNeck 结构
- RepBiFPN 结构
- RT 结构
- SAAPAN 结构
- SAH 结构
- SAF 结构
- AAF 结构
- RepPAN 结构
- BiFPN 结构
- test 结构
- SlimNeck 结构
- ELANPAN 结构
- GSNeck 结构
- GWD Loss
- GMID
- GMDLoss
- RepulsionLoss
- GJLoss
- GCDLoss
- EGDLoss
- NWD Loss
- XIoU
- EfficIoU
- MPDIoU
- Shape-IoU
- SIoU
- PIoU
- PIoUv2
- WIoU
- WIoUv2
- WIoUv3
- EIoU
- alpha IOU
- CIoU
- DIoU
- GIoU
- Focal_XIoU 系列几十种
- Focaler_XIoU 系列 几十种
- Focal_Focaler_XIoU 系列 几十种
- Inner_XIoU 系列 几十种
- Focal_Inner_XIoU 系列 几十种
- UIoU
- SDIoU
...
ultralyticsPro Module Components
Attention注意力机制
分类 Loss
NMS
- Self Attention
- Contextual Transformer
- Bottleneck Transformer
- S2-MLP Attention
- AxialAttention
- DANet
- DoubleAttention
- GlobalContextBlock
- ParNetAttention
- PolarizedSelfAttention
- SpatialGroupEnhance copy
- TripletAttention
- SK Attention
- CBAM Attention
- SE Attention
- Coordinate attention
- NAM Attention
- GAM Attention
- ECA Attention
- Shuffle Attention
- CrissCrossAttention
- SOCAttention
- SimAM Attention
- CrissCrossAttention
- MatchingAwareLoss
- FocalLoss
- PolyLoss
- QFocalLoss
- VariFocalLoss
- NMS
- XIoU_NMS
- EfficIoU_NMS
- Merge-NMS
- Soft-NMS
- CIoU_NMS
- DIoU_NMS
- GIoU_NMS
- EIoU_NMS
- SIoU_NMS
- 特征金字塔结构改进
- SPP
- SPPF
- ASPP
- RFB
- SPPCSPC
- SPPFCSPC
- SimSPPF
ultralyticsPro Module Components
一个yaml文件集成多个创新点组合改进,包含3-5个创新点改进，一键进行实验训练改进
一个yaml文件集成多个创新点组合改进,包含3-5个创新点改进，一键进行实验训练改进
- AdaptiveHead_SDIoU_RCSOSA_SAFPN
- ARConv_RepulsionLoss_AdaptiveHead_DCNv4Neck_DynamicATSS
- ARConv_RepulsionLoss_DCNv4Neck_DynamicATSS
- ARConv_SDIoU_DCNv4Neck_ATSS
- DCNv4_RepulsionLoss_DCNv3Neck_ATSS
- DCNv4_RepulsionLoss_DCNv3Neck_DynamicATSS
- PinwheelConv_SSFF_RepulsionLoss_AdaptiveHead
- RCSOSA_SAFPN_SDIoU
- SAFPN_XIoU_AdaptiveHead_dynamicATSS
- YOLO11_SAFPN_XIoU_AsDDet_dynamicATSS
- YOLO11_SAFPN_XIoU_LADH_dynamicATSS
- YOLO11_ShiftLargeConv_EfficIoU_AdaptiveHead_DynamicATSS
- YOLO11_ShiftLargeConv_SDIoU_AdaptiveHead_DynamicATSS
- AFPN-ARConv-LADH-SIoU
- AFPN-CDCNv4-LADH-SIoU
- AFPN-LADH-SIoU
- AFPN-MSBlock-CDCNv4-XIoU-DynamicATSS-FocalLoss
- AFPN-MSBlock-XIoU-DynamicATSS-FocalLoss
- AFPN-MSBlock-XIoU-DynamicATSS
- Ck2_DSC-LADH-MPDIoU
- dcnv2-gwd-AdaptiveHead
- dcnv3-EfficIoU-AdaptiveHead
- dcnv4-DynamicATSS-FocalLoss-AsDDet
- doconv-ATSS-EfficIoU
- doconv-ATSS-XIoU-DOHead
- DR_3k2-NWD-AsDDet
- dsconv-adaptivehead-gwdloss
- Dynamic_3k2-DYHead-SDIoU
- DynamicATSS-DynamicHead-XIoU-PolyLoss
- DynamicATSS-DynamicHead-XIoU-VariFocalLoss
- DynamicATSS-DynamicHead-XIoU
- EffQAFPN-ARHead-NWD
- EffQAFPN-CPNMSB-SIoU-DynamicATSS-PolyLoss
- EffQAFPN-CPNMSB-SIoU-DynamicATSS
- EffQAFPN-LADH-NWD
- Gather-and-Distribute-ARConv-ARHead
- Gather-and-Distribute-LiteShiftHead-Shape-IoU-ATSS
- Gather-and-Distribute
- GS_3k2-SSFF-ARHead
- gsconv-RepulsionLoss-AdaptiveHead-DynamicATSS
- HFAMPAN-AdaptiveHead-CPNMSB-EfficIoU
- HFAMPAN-AsDDet-NWD
- HFAMPAN-CDCNv3-AsDDet-NWD
- HFAMPAN-CPNMSB-WIoU
- HFAMPAN-GS_3k2-AsDDet-NWD
- HFAMPAN-LiteShiftHead-PIoU
- ODConv-HFAMPAN-AsDDet-NWD
- odconv-LADH-MPDIoU
- 多个创新点组合改进持续更新中...
- ...
- odconv-SDIoU-ODHead
- pinwheelConv_RepulsionLoss_AdaptiveHead_DCNv4Neck_DynamicATSS
- pinwheelConv_SDIoU_DCNv4Neck_ATSS
- pinwheelConv-LADH-WIoU
- PW_3k2-WIoU-PWHead
- PWConv_SAFPN_SDIoU_AdaptiveHead_DynamicATSS
- pwconv-NWD-AsDDet
- RepBiFPN-AsDDet-DynamicATSS
- RepBiFPN-AsDDet-GWDLoss
- RepBiFPN-AsDDet
- RepBISF-CPNGhost-EIoU
- RepBISF-LiteShiftHead-ARConv
- RepBISF-LiteShiftHead-GWDLoss
- repconv-nwd-ARHead
- RepFPN-XIoU-LiteShiftHead
- RepNCSPFPN-ARConv-XIoU-LADH-QFocalLoss
- RepNCSPFPN-LiteShiftHead-WIoU
- RepNCSPFPN-XIoU-LADH-QFocalLoss
- RepNCSPFPN-XIoU-LADH
- rfaconv-adaptivehead-gwd
- rfaconv-adaptivehead-gwdloss-dynamicatss
- rfaconv-adaptivehead
- saconv-safpn-xiou-SAHead
- saconv-safpn-xiou
- scconv-RepBISF-SIoU
- scconv-RepBISF
- scconv-XIoU
- ShiftLargeConv_Focal_SIoU_AdaptiveHead_DynamicATSS
- shiftlargeconv-RepNCSPFPN-XIoU-LADH-QFocalLoss
- SP_3k2-LADH-MPDIoU
- SP_3k2-SDIoU-SPHead
- spconv-nwd-ssff
- SSFF-ARHead-CDCNv4-AR-3k2
- SSFF-LiteShiftHead-GWDLoss
- SSFF-LiteShiftHead-XIoU
- SSFF-LiteShiftHead
- TBConv_SAFPN_SDIoU_AdaptiveHead_DynamicATSS
- tbconv-TBHead-UIoU
- tbconv-TBHead
- HFAMPAN-LiteShiftHead-Shape-IoU-ATSS
- ldconv-LADH-MPDIoU
- ldconv-RepulsionLoss-AdaptiveHead-ATSS
- ldconv
- LowlevelFeatureAlignment-ARConv-ARHead
- LowlevelFeatureAlignment-ARConv-XIoU
- LowlevelFeatureAlignment-GWDLoss-AdaptiveHead
- LowlevelFeatureAlignment
- 多个创新点组合改进持续更新中...
🚀支持更多Backbone
- 以及其他trans系列
持续更新中🎈🚀🚀🚀
注: (ultralyticsPro(Beta)🔥 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
持续更新中🎈
🚀支持更多检测头Head
- XX Head检测头;
- 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
- SOCAttention
- SimAM Attention
持续更新中🎈
🚀更多空间金字塔池化结构
- SPP
- SPPF
- ASPP
- RFB
- SPPCSPC
- SPPFCSPC
- SimSPPF
持续更新中🎈
🚀支持更多Loss
- ComputeLoss
- 其他Loss
🚀支持 Anchor-base 和 Anchor-Free
🚀支持多种标签分配策略
- Multi Anchor策略
- YOLOv5 标签分配策略
- SimOTA 标签分配策略
- YOLOv7 标签分配策略
- AutoAssign 标签分配策略🌟
- Dual Weighting 标签分配策略🌟
- FreeAnchor 标签分配策略🌟
- 其他改进的标签分配策略
持续更新中🎈
🚀 内置多种网络模型模块化组件
Conv, GhostConv
🚀支持更多IoU损失函数
- CIoU
- DIoU
持续更新中🎈
🚀支持更多NMS
- NMS
- MergeNMS
持续更新中🎈
🚀支持更多数据增强
- Mosaic、Copy paste、Random affine(Rotation, Scale, Translation and Shear)、MixUp、Augment HSV(Hue, Saturation, Value、Random horizontal flip
以上组件模块使用统一模型代码框架、统一任务形式、统一应用方式，**模块组件化**🚀 可以帮助用户自定义快速组合Backbone、Neck、Head，使得网络模型多样化，助力科研改进检测算法，构建更强大的网络模型。
______________________________________________________________________
### 支持多任务改进🚀
包括 目标检测、图像分割、姿态估计、图像分类、旋转检测、目标跟踪等任务
## 使用🍉
### 安装
在**Python>=3.9.0** 的环境中克隆版本仓并安装 requirements.txt，包括**PyTorch>=1.7**。
```bash
$ cd ultralyticsPro
$ pip install -r res.txt # 安装
```
### 训练
```bash
$ python train.py ultralytics/cfg_yolo11/YOLO11/yolo11.yaml
```
### 推理
`detect.py` 在各种数据源上运行推理, 并将检测结果保存到 `runs/detect` 目录。
```bash
$ python predict.py
```
----------
### Autodl云服务器GPU镜像, 无需配置环境, 一键运行YOLO系列训练、推理、改进🚀
**官方YOLO系列版本模型镜像-YOLO11、YOLOv8、YOLOv10、YOLOv9、YOLOv7、YOLOv5以及RT-DETR模型**
最新稳定版本，环境已经配置好，可一键运行YOLO系列训练、推理、改进
官方YOLO11镜像：[ultralytics/YOLO11: 官方YOLO11最新稳定版本，可一键运行训练&推理&改进](https://www.codewithgpu.com/i/ultralytics/ultralytics/YOLO11)
官方YOLOv8镜像：[ultralytics/YOLOv8: 官方YOLOv8最新稳定版本，可一键运行训练&推理&改进](https://www.codewithgpu.com/i/ultralytics/ultralytics/YOLOv8)
官方YOLOv10镜像：[THU-MIG/yolov10: 官方YOLOv10项目 最新稳定版本，可一键运行训练&推理&改进](https://www.codewithgpu.com/i/THU-MIG/yolov10/main)
官方YOLOv9镜像：[官方YOLOv9代码：WongKinYiu/yolov9一键训练官方YOLOv9模型](https://www.codewithgpu.com/i/WongKinYiu/yolov9/main)
官方YOLOv7镜像：[官方YOLOv7项目代码：最新稳定版本，可一键运行训练&推理&改进](https://www.codewithgpu.com/i/WongKinYiu/yolov7/yolov7)
官方 YOLOv5 镜像：[ultralytics/yolov5: 官方YOLOv5项目 最新稳定版本，可一键运行训练&推理&改进](https://www.codewithgpu.com/i/ultralytics/yolov5/v5)
U版 RT-DETR 镜像：[ultralytics/RTDETR: U版 RT-DET项目 最新稳定版本，可一键运行训练&推理&改进](https://www.codewithgpu.com/u/iscyy)
______________________________________________________________________
### YOLO系列改进教程✨
### 未来增强✨
后续会持续更新 ultralyticsPro 改进内容
完善集成更多 YOLO 系列改进模型，持续结合不同模块，构建更多不同网络模型
______________________________________________________________________
## Citation✨
```python
@article{2025ultralyticsPro,
title={{ultralyticsPro}: Makes improvements easy again},
author={iscyy},
repo={github https://github.com/iscyy/ultralyticsPro},
year={2025}
}
```
## Statement
Expand
* If you have any question, please discuss with me by sending email.
## Acknowledgements
Expand
[https://github.com/ultralytics/ultralytics](https://github.com/ultralytics/ultralytics)