EasyCV

EasyCV 项目介绍

EasyCV 是一个基于 PyTorch 的全方位计算机视觉工具箱，专注于自监督学习、基于 Transformer 的模型以及主要视觉任务，如图像分类、度量学习、目标检测和姿态估计等。

主要功能特性

顶尖的自监督学习算法

EasyCV 提供了基于对比学习的最先进的自监督学习（SSL）算法，例如 SimCLR、MoCO V2、Swav、DINO 以及基于掩码图像建模的 MAE。同时，它还提供标准的基准测试工具用于评估自监督学习模型。

视觉 Transformer 模型

EasyCV 旨在提供一种简便的方法来使用最新的 Transformer 模型，这些模型可以通过监督学习或自监督学习进行训练，例如 ViT、Swin Transformer 和 DETR 系列。将来还会加入更多的模型。此外，EasyCV 支持来自 timm 的所有预训练模型。

功能性和可扩展性

除了自监督学习，EasyCV 还支持图像分类、目标检测和度量学习，并且未来会支持更多的领域。尽管涵盖了不同的领域，EasyCV 将框架分解为不同的组件，如数据集、模型和运行钩子，使得添加新组件和与现有模块结合变得非常容易。

效率提升

EasyCV 支持多 GPU 和多工作者训练，并使用 DALI 加速数据 IO 和预处理过程，利用 TorchAccelerator 和半精度浮点加速训练。此外，EasyCV 通过导出模型使用 jit script 并通过 PAI-Blade 对其进行优化来提升推理性能。

最新动态

• 2023年5月9日发布 EasyCV v0.11.0，支持以插件形式集成 ModelScope。
• 2023年3月6日发布 EasyCV v0.10.0，新增分割模型 STDC、骨架视频识别模型 STGCN，并支持 ReID 和多镜头 MOT。
• 2023年1月17日发布 EasyCV v0.9.0，支持单镜头 MOT 和视频识别（如 X3D 和 SWIN-video）。
• 2022年12月2日发布 EasyCV v0.8.0，提高了 bevformer-base 的 NDS，增加训练和推理的速度，并支持 Objects365 预训练和添加 DINO++ 模型在 200M 规模下达到 63.4mAP 的精度。
• 2022年8月31日发布 EasyCV v0.6.0，包括 YOLOX-PAI，达到 40~50 mAP 的顶尖结果，并提供 DINO 和 mask2former 等检测算法。

技术文章

EasyCV 团队在许多平台上分享了关于其功能的技术文章，涵盖从 EasyCV 的自监督学习到 YOLOX-PAI 及更多。

模型仓库

EasyCV 提供了丰富的模型仓库，涵盖自监督学习、图像分类、目标检测、分割以及 3D 目标检测等领域。用户可以方便地用于模型的微调或评估。

数据中心

EasyCV 收集了适用于不同场景的数据集信息，便于用户在 EasyCV 模型库中进行模型微调或评估。

授权与联系

EasyCV 项目基于 Apache License 2.0 进行授权。由 PAI-CV 团队维护，用户可以通过钉钉群或邮箱联系团队以寻求支持。如果需要企业服务支持，可以通过钉钉群联系。