本文介绍了如何将轻量级对象检测模型 PP-PicoDet 从 PaddleDetection 转换为 NCNN 格式。PP-PicoDet 在移动端表现出色，具有高 mAP 和快速预测速度。转换过程包括导出 Inference 模型、转为 Paddle Lite 格式、转换成 ONNX 并简化模型，最后优化为 NCNN 格式。
PaddleDetection 中提出了全新的轻量级系列模型 PP-PicoDet，在移动端具有卓越的性能，成为全新 SOTA 轻量级模型。详细的技术细节可以参考论文：PP-PicoDet: A Better Real-Time Object Detector on Mobile Devices（https://arxiv.org/abs/2111.00902）。最后附上模型下载地址！
PP-PicoDet 模型有如下特点：
1、更高的 mAP: 第一个在1M参数量之内 mAP(0.5:0.95) 超越30+(输入416像素时)；
2、更快的预测速度: 网络预测在 ARM CPU 下可达 150FPS；
3、部署友好: 支持 PaddleLite/MNN/NCNN/OpenVINO 等预测库，支持转出 onnx，提供了 C++/Python/Android的demo。
现有的 SOTA 算法对比图：
以 picodet_s_320_coco_lcnet 为例，当然首先要配置好 paddle 环境，可参考项目中的 requirements.txt 文件进行安装：
1、导出 Inference model。这里有两个参数需要注意：
（1）-o ex
最低0.47元/天 解锁文章
673
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
