简体中文 | English
-
仅使用常规卷积和Relu激活函数
-
网络结构均采用CSP (1/2通道) block，Nano网络除外。
优势：
- 采用统一的网络结构和配置，且 PTQ 8位量化模型精度损失(约0.4%)较小，适合刚入门或有快速迭代部署8位量化模型需求的用户。
不足：
- COCO上精度对比2.0版本发布模型稍低。
| 模型 | 输入尺寸 | mAPval 0.5:0.95 |
速度T4 trt fp16 b1 (fps) |
速度T4 trt fp16 b32 (fps) |
Params (M) |
FLOPs (G) |
|---|---|---|---|---|---|---|
| YOLOv6-N-base | 640 | 35.6400e | 832 | 1249 | 4.3 | 11.1 |
| YOLOv6-S-base | 640 | 43.8400e | 373 | 531 | 11.5 | 27.6 |
| YOLOv6-M-base | 640 | 48.8distill | 179 | 246 | 27.7 | 68.4 |
| YOLOv6-L-base | 640 | 51.0distill | 115 | 153 | 58.5 | 144.0 |
- 速度是在 T4 上测试的，TensorRT 版本为 7.2；
- 模型训练、评估、推理流程与原来保持一致，具体可参考 首页 README 文档。