YOLOv6 には、N/T/S/M/L など、さまざまな産業用シナリオに対応した一連のモデルがあります。アーキテクチャは、モデル サイズを考慮した精度とスピードのトレードオフによって異なります。さらに性能を向上させるために、自己蒸留や学習エポック数追加などの Bag-of-Freebies が導入されています。産業用の運用では、チャネルごとの蒸留やグラフ最適化による QAT により、性能を極限まで追求します。詳細は、https://arxiv.org/abs/2209.02976 を参照してください。
次の表に、Vitis AI ライブラリでサポートされる YOLOv6 検出モデルを示します。
番号 | モデル名 | フレームワーク |
---|---|---|
1 | yolov6m_pt | PyTorch |