各论文如下： 1）You Only Look Once:Unified, Real-Time Object Detection； 2）YOLO9000:Better, Faster, Stronger； 3）YOLOv3: An Incremental Improvement； 4）YOLOv4: Optimal Speed and Accuracy of Object Detection； 5）You Only Look One-level Feature; 6)DetectoRS: Detecting Objects with Recursive Feature; 7)YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications； 8）YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors；

yolov6权重文件：yolov6t.pt

yolov6权重文件：yolov6n.pt

Yolov1、Yolov2、Yolov3、Yolov4、Yolov5、YoloX、Yolov6的算法迭代史，做成ppt形式希望帮助到大家

基于yolov6的安全帽检测，模型已经训练好，可以直接使用，模型位置runs/train，检测例子位于runs/detect。并且包含数据集，可以直接进行训练，数据集位置hat_recog

YOLOv6代码和yolov6n.pt、yolov6s.pt、yolov6t.pt

YOLOv6代码和权重

yolov7、yolov6n的onnx文件，想看的可以来看一看，第一次发资源也不知道要说点什么好，因为在官网下载权重文件太费劲了，所以放在这了。

完整的yolov6源码文件包，不能翻出去的可以在这里下载yolov6源码； 嫌弃外面网速慢的可以在这里下载，下载速度会快速很多； 该框架新出的，使用过程中会遇到的问题比较多。 如果需要进行摄像头识别或者训练自己数据集的可以参考我发表的相关文章，希望对你有所帮助。

YOLOv6 主要在 BackBone、Neck、Head 以及训练策略等方面进行了诸多的改进： - 统一设计了更高效的 Backbone 和 Neck ：受到硬件感知神经网络设计思想的启发，基于 RepVGG style[4] 设计了可重参数化、更高效的骨干网络 EfficientRep Backbone 和 Rep-PAN Neck。 - 优化设计了更简洁有效的 Efficient Decoupled Head，在维持精度的同时，进一步降低了一般解耦头带来的额外延时开销。 - 在训练策略上，采用Anchor-free 无锚范式，同时辅以 SimOTA[2] 标签分配策略以及 SIoU[9] 边界框回归损失来进一步提高检测精度。 这个资料是Yolov6实战的资料，包含数据集和代码，开箱即用。