Yolo轻量级网络，超轻算法在各硬件可实现工业级检测效果（附源代码）

已于 2022-11-19 08:32:32 修改
阅读量2k 收藏 2
点赞数 2
分类专栏： 深度学习 算法 文章标签： 算法 人工智能 深度学习 目标检测
于 2021-08-23 00:06:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gzq0723/article/details/119860598
版权
深度学习 同时被 2 个专栏收录
53 篇文章 22 订阅 ¥59.90 ¥99.00
订阅专栏
算法
5 篇文章 0 订阅
订阅专栏

00feb311f9e0ccaea1f3f87fc00556e9.gif

计算机视觉研究院专栏

作者：Edison_G

目标检测是现在最热门的研究课题，也一直是工业界重点研究的对象，最近几年内，也出现了各种各样的检测框架，所属于YOLO系列是最经典也是目前被大家认可使用的检测框架。不论是PyTorch，还是Tensorflow，又或者是Keras和Caffe，可以说是全平台通用。

e795b870acb46bbfe4700b6d93ebd0c2.png

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

d6ff6bad91433c642c078c4b6e1b7547.png

了解本专栏 订阅专栏 解锁全文
计算机视觉研究院
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
基于YOLOv4改进的轻量级水下目标检测网络
05-11
ShuffleNet是一种高效的轻量级网络结构，通过通道shuffle操作和分组卷积，在保持性能的同时大大减少了计算量。同时，结合卷积块注意力机制（CBAM），进一步提升了特征提取能力，帮助模型聚焦于重要区域。 2. **深度...
yolo-fastest-xl-based-on-opencv-DNN-using-onnx:yolo-fastest-xl基于基于onc的opencv DNN
03-30
yolo-fastest-xl基于基于onc的opencv DNN 设定档 Win10 VS2015 opencv4.5.1 介绍 基于opencv4.5.1的DNN模块实现yolo-fastest-xl的前向推理； 使用pytorch将模型导出为onnx格式，并使用DNN加载； 代码中加入多个详细的注释方便读者理解。 致谢参考代码
Intel N100工控机使用核显加速推理yolov5模型
flamebox的博客
03-07 4227
今年3月初开始，某平台开始陆续上货基于英特尔Alder Lake-N处理器系列的迷你主机。最先出现的是N95和N100两款处理器，迷你主机的整机价格已经打到800元左右的水平了，还是有挺高可玩性的。其中N100的规格如下：这个cpu性能虽然不是很强，性能接近4代i5移动端，但功耗很低，TDP只有6W。而且有个24单元的核显，解码视频能力不差。我很期待它用来跑跑yolov5是什么效果。
深度学习-yolo-fastestV2使用自己的数据集训练自己的模型
qq_52095705的博客
12-20 6229
前言 虽然说yolo-fastestV2在coco数据集上只达到了24.1，但是应付一些类别少的问题还是可以的。主要是这个速度是真的香！简单来说就是一个快到飞起的模型。 1.关于yolo-fastestV2 github地址如下：yolo-fastestV2 yolo-fastestV2采用了轻量化网络shufflenetV2为backbone，笔者在这里就不详解yolo-fastestV2了，只讲怎么训练自己的yolo-fastestV2模型。 2.修改训练代码 训练部分的代码只修改了一小部分，如下： i
在进行YOLOv3模型部署时，如何评估和选择最适合的硬件平台？
wangbo_angel的博客
05-03 94
根据搜索结果，研究人员已经开展了在ARM+FPGA异构平台上部署YOLOv3模型的工作，通过模型剪枝、量化和硬件加速等技术，实现了在资源受限的平台上高效运行YOLOv3模型。例如，通过软硬件协同设计，使用轻量级的MobileNet网络，并提出适合硬件部署的量化方法，可以在保持较低功耗的同时，达到实时目标检测的性能。综合考虑上述因素，并结合具体的应用场景和项目需求，可以帮助评估和选择最适合的硬件平台进行YOLOv3模型的部署。7. 兼容性和支持：选择得到广泛支持的硬件平台，可以减少开发和维护的难度。
Yolo-FastestV2生成负样本xml文件、txt文件
weixin_44463279的博客
07-21 2074
Yolo-FastestV2中负样本的一些理论和实操
yolo-fastestv2小白全流程使用指南
热门推荐
weixin_47296244的博客
10-24 1万+
搭建环境 1，安装anaconda和pycharm 所需软件工具：anaconda pycharm cuda Anaconda是一个管理用于python开发的包含不同库的虚拟环境的平台，可以高效的管理和创建适用于多个不同项目的project interpreter。安装完成自带一个根环境，路径在conda的安装目录下。进入后可以在环境管理页面创建新环境，新环境的路径在安装目录下的envs中存储，在pycharm中设置interpreter时需要找到所需环境的存储位置，interpreter设置选择con
工控机 ubuntu16.04 yolov5 cpu版本安装和开发
绑个蝴蝶结的博客
04-14 1949
工控机 ubuntu16.04 yolov5 cpu版本安装背景环境安装结果安装过程中yolov5报错： 背景 项目有需要用到目标检测，所以想到yolo，之前跑过yolov3，现想yolov5搭配intel realsense D435i来做开发。选cpu版本是因为工控机没有独显。   环境安装 ubuntu16.04 默认是python2.7和python3.5,但是在安装yolov5时候需要matplotlib>=3.2.2，而这是需要python3.8才能安装的。好久没碰过这些老问题
YOLO-Ant：通过深度可分离卷积和大核设计实现天线干扰源检测的轻量级探测器
04-11
我们介绍了YOLO-Ant，这是一款专为天线干扰源检测而设计的轻量级CNN和变压器混合探测器。具体来说，我们最初为网络深度和宽度制定了轻量级设计，确保后续研究在轻量级框架内进行。然后，提出了一种基于深度可分离...
基于python的轻量级人脸检测模型
03-20
本主题聚焦于使用Python实现轻量级的人脸检测模型，这在实时监控、安全系统、人机交互等领域有着广泛的应用。下面将详细讨论相关知识点。 首先，人脸检测的目标是识别图像中的脸部区域，通常包括眼睛、鼻子、嘴巴等...
轻量级深度可分离混合卷积神经网络的目标检测算法.pdf
09-25
【轻量级深度可分离混合卷积神经网络的目标检测算法】是针对计算机视觉领域中目标检测问题的一种解决方案，尤其适用于资源有限的移动端和嵌入式设备。随着深度学习技术的发展，目标检测在智能安防、人脸识别等多个...
yolo目标检测
04-02
yolo目标检测，行人检测。
yolo2资源代码：yolo算法的实现，使用tensorflow进行实现的源代码
最新发布
06-03
YOLO（You Only Look Once）是一种实时目标检测系统，它在计算机视觉领域有着广泛的应用。YOLOv2是YOLO的第二个版本，相比于最初的YOLO，它在速度和精度上都有显著提升。这个资源包提供了YOLOv2的源代码实现，基于...
Yolo-Fastestv2训练及部署自己的数据集
qq_41496108的博客
05-16 835
yolo-fastestv2训练和部署教程
YOLOV3与Faster-RCNN在anchors选择上的不同之处
weixin_38241876的博客
06-17 1718
Faster-RCNN是直接在最后的特征图上的每一个像素点选9个建议框即三种尺寸和三种形状，而YOLOV3则是在三个特征层，比如13x13、26x26、52x52，每个特征层中的每个像素都设计三种建议框，13x13的比较的，52x52的最小，这样也相当于9中建议框。 ...
YOLO-Fastest从Darknet源码编译、测试再到训练完整图文教程！
3D视觉工坊
09-25 5219
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达最轻的YOLO算法出来了！这是个模型非常小、号称目前最快的YOLO算法——大小只有1.3MB，单核每秒148帧，移动设备上也能轻易部...
yolo fastest V2数据集训练模型步骤
wukong168的博客
01-26 3838
1，收集数据集，train，val文件夹 2，labelimg标注数据集，yolo数据格式 3，运行train和val内jpg2listtxt.bat生成各自的list.txt 4，修改category.names,每个类一行 5，生成anchors锚点数据 python genanchors.py --traintxt train/list.txt 6，修改training.data内anchors和classes的类目数量 7，训练数据集 python train.py --data ./trainin
树莓派部署yolo fastest ncnn记录
小俊俊的博客
04-22 5445
树莓派部署ncnn记录 一、编译ncnn 1.ncnn环境配置 sudo apt-get install -y gfortran sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-
前端部署实战_YOLOv5-Lite+树莓派
sinat_29634715的博客
11-29 1832
*.树莓派编译ncnn https://github.com/Tencent/ncnn/wiki/how-to-build#build-for-linux 按官方教程编译后，build文件夹下执行sudo make install
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

计算机视觉研究院

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值