English | 简体中文
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。
-
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。
[🔥 2022.12.02]
- 02/12/2022 EasyCV v0.8.0 was released.
- bevformer-base NDS在nuscenes val上提升0.8，训练速度提升10%，推理速度提升40%。
- 支持Objects365预训练，加入DINO++模型在200M模型规模下可达到63.4mAP的精度（同等规模下精度最佳）。
[🔥 2022.08.31] 近期我们开源了YOLOX-PAI，在40-50mAP(推理速度小于1ms)范围内达到了业界的SOTA水平。同时EasyCV提供了一套简洁高效的模型导出和预测接口，供用户快速完成端到端的图像检测任务。如果你想快速了解YOLOX-PAI, 点击 这里!
- 31/08/2022 EasyCV v0.6.0 版本发布。
- 发布YOLOX-PAI，在轻量级模型中取得SOTA效果
- 增加检测算法DINO， COCO mAP 58.5
- 增加Mask2Former算法
- Datahub新增imagenet1k, imagenet22k, coco, lvis, voc2012 数据的百度网盘链接，加速下载
更多版本的详细信息请参考变更记录。
我们有一系列关于EasyCV功能的技术文章。
- EasyCV开源｜开箱即用的视觉自监督+Transformer算法库
- MAE自监督算法介绍和基于EasyCV的复现
- 基于EasyCV复现ViTDet：单层特征超越FPN
- 基于EasyCV复现DETR和DAB-DETR，Object Query的正确打开方式
- YOLOX-PAI: 加速YOLOX, 比YOLOv6更快更强
- EasyCV带你复现更好更快的自监督算法-FastConvMAE
- EasyCV DataHub 提供多领域视觉数据集下载，助力模型生产
- 使用EasyCV Mask2Former轻松实现图像分割
请参考快速开始教程中的安装章节。
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。
不同领域的模型仓库和benchmark指标如下
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。
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
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。
