5.2 KiB
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。
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
不同领域的模型仓库和benchmark指标如下
变更日志
-
23/06/2022 EasyCV v0.4.0 版本发布。
- 增加语义分割模块， 支持FCN算法
- 扩充分类算法 model zoo
- Yolox支持导出 blade 模型
- 支持 ViTDet 检测算法
- 支持 sailfish 数据并行训练
- 支持运行 mmdetection 中的模型
-
31/04/2022 EasyCV v0.3.0 版本发布。
- 增加 moby deit-small 预训练模型
- 增加 mae vit-large benchmark和预训练模型
- 支持 tensorboard和wandb 的图像可视化
-
2022/04/07 EasyCV v0.2.2 版本发布。
更多详细变更日志请参考变更记录。
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: easycv@list.alibaba-inc.com
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。
