yolov6训练自己的数据集

YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中：YOLOv6-nano 在 COCO 上精度可达 35.0% AP，在 T4 上推理速度可达 1242 FPS；YOLOv6-s 在 COCO 上精度可达 43.1% AP，在 T4 上推理速度可达 520 FPS。在部署方面，YOLOv6 支持 GPU（TensorRT）、CPU（OPENVINO）、ARM（MNN、TNN、NCNN）等不同平台的部署，极大地简化工程部署时的适配工作。

本专题以操作为主，下面将从实际操作来讲述怎样利用该yolov4算法来实现对自己数据集的训练与检测。

源码地址：

https://github.com/meituan/YOLOv6

代码结构

其中，

 ① assets 测试图片

 ② configs 配置接口函数

 ③ data 数据相关配置文件

 ④ deploy 模型转换接口，可以将pytorch模型转换为ONNX与OpenVINO平台模型

 ⑤ docs 说明文档

 ⑥ runs 中间过程已经最终模型保存路径

 ⑦ tools 主要包含训练，测试，评估接口函数

 ⑧ yolov6 网络