YoloAll V2發布，集成所有主流Yolo模型于一身

源代碼地址：GitHub - DL-Practise/YoloAll: YoloAll is a collection of yolo all versions. you you use YoloAll to test yolov3/yolov5/yolox/yolo_fastest

YoloAll是一個將當前主流Yolo版本集成到同一個UI界面下的推理預測工具。可以迅速切換不同的yolo版本，并且可以針對圖片，視頻，攝像頭碼流進行實時推理，可以很方便，直觀的對比不同版本的yolo的推理效果，耗時等。

一、YoloAll 演示視頻

二、YoloAll 項目簡介

自從YoloAll V1（鏈接：YoloALL：解決不同版本YOLO的選擇進行目標檢測推理（源代碼已開源））版本推出以后，得到了很多朋友的喜歡，大家也跟我一樣，被眾多的Yolo版本所困擾，有時為了比較兩個不同版本的Yolo的效果，往往需要花費很長時間搭建環境，并且很容易出錯，因此才有了這個開發這個YoloAll的想法，能夠非常方便的測試不同Yolo的效果！

注意這個是測試推理效果的哦，不能進行訓練，如果想要非常方便的訓練，推薦另外一個可視化的YoloX訓練項目：

YoloX EasyTrain：https://github.com/DL-Practise/YoloX_EasyTrain

三、YoloAll V2.0新特性

更全\更美\更強\更易用

增加了YoloV4，更新YoloV5到6.0版本，更新YoloX到0.1.1版本

重新設計了界面，美觀度提升，使用起來更加舒暢

增加了模型推理時候的參數配置

增加了模型自動下載功能，方便下載與訓練模型；

集成了使用手冊，方便查閱；

將所有模型的依賴放到根目錄，安裝依賴更加方便

四、YoloAll安裝

操作系統：Win10、Win7、Ubuntu16.04（其他操作系統沒有測試過）

python環境：python3.7

cuda環境：cuda10.1（也可以不用cuda，使用cpu推理）

step1、下載YoloAll源碼

GitHub - DL-Practise/YoloAll: YoloAll is a collection of yolo all versions. you you use YoloAll to test yolov3/yolov5/yolox/yolo_fastest

step2、解壓YoloAll，進入到根目錄

cd  root/to/yoloall

step3、升級pip

python -m pip install --upgrade pip

step4、安裝依賴項

pip install -r requirements.txt

五、YoloAll使用

啟動YoloAll

python main_widget.py

界面簡介

主要包括模型管理界面，配置界面，預測界面、消息界面和日志界面組成。

模型管理界面：會將所有的模型以及子模型（例如YoloX包含s,m,l等子模型）

配置界面：用于配置一些預測參數，例如置信度閾值，nms閾值，圖片大小等

預測界面：用于展現預測結果

消息界面：展現YoloAll的升級信息，使用教程等

日志界面：展示一些關鍵的日志信息

模型加載

剛啟動YoloAll的時候，軟件會去加載所有的模型，包括所有的子模型，因此需要等待一段時間，此時在日志界面會有相關的提示信息，需要等到日志界面出現“加載模型結束”。此時模型管理界面會出現所有加載的模型，表示模型的加載已經結束，可以進行測試了。

下載預訓練模型

由于預訓練模型通常都很大，因此，下載的YoloAll中是不包含預訓練模型的，需要通過鼠標點擊模型管理界面中的子模型，例如點擊YoloX下面的yolox_l模型，會彈出提示框，提示預訓練模型未下載，然后會在提示框中展示預訓練模型的下載鏈接（有可能有多個下載鏈接），選擇一個網速不錯的鏈接，從瀏覽器下載，下載完畢之后，根據提示框中的提示信息，放到對應的文件夾下面。

預測

下載完預訓練模型，并放到指定文件夾后，再次點擊模型管理界面的模型，就會開始創建模型，并顯示創建模型成功的界面。

此時可以點擊預測界面的Photo按鈕，選擇一張圖片進行預測，也可以點擊Video按鍵，選擇一段視頻文件進行預測，也可以點擊Camera按鈕，啟動攝像頭進行拍攝和預測。

修改預測參數

在預測過程中，如果需要進行CPU、GPU的切換，或者修改預測參數，例如修改圖像分辨率，置信度閾值，nms閾值等，可以在配置界面進行修改的勾選或者修改，修改完后，點擊保存按鈕，軟件會重新創建模型，等模型創建成功后，可以繼續使用新的配置進行預測。 

預測信息

預測成功后，會在預測界面展示預測的信息，圖中的方框即為預測出來的目標，紅色的文字是預測的速度和FPS。大家可以切換不同的模型，進行預測結果以及耗時的對比。