RK3399平台开发系列讲解（系统篇）1.26、目标检测模型Nanodet的训练和转换总结

最新推荐文章于 2024-07-17 15:25:43 发布

内核笔记

最新推荐文章于 2024-07-17 15:25:43 发布

阅读量2k

点赞数 17

分类专栏： RK3399平台开发入门到精通系列专栏 # 子类__Android # 子类__项目

本文链接：https://blog.csdn.net/qq_33487044/article/details/81782240

版权

RK3399平台开发入门到精通系列专栏同时被 3 个专栏收录

678 篇文章 2988 订阅 ¥89.90 ¥99.00

订阅专栏

子类__Android

49 篇文章 34 订阅

订阅专栏

子类__项目

20 篇文章 15 订阅

订阅专栏

本文档详细介绍了轻量级目标检测模型Nanodet的训练、转换和使用过程。Nanodet基于FCOS+GFL的Anchor-free结构，提供高效性能。通过修改训练参数、数据集配置进行训练，最终将模型转换为ncnn格式供移动端使用。

摘要由CSDN通过智能技术生成

第一章文档介绍

本文档描述了轻量级目标检测模型Nanodet的训练和转换过程。目前各项目都会使用到目标检测模型来检测图像中的目标，虽然当前使用的Mobilenet SSD或者InceptionV2 SSD都是改进过的适合终端加速的网络，但是相对模型计算量和参数量还是比较大，在BSD、DSM和ADAS多个算法融合的AI小板上，算力还是捉襟见肘，在CPU上推理性能更是无法达到要求，为了找到更为小巧又不失精度的替代模型，我们训练并测试了2020年开源的Nanodet模型，此处记录了模型训练和转换的过程。