PPyolo的安装，图片及视频测试（对比yolov4）

最新推荐文章于 2024-08-20 09:21:17 发布

学术菜鸟小晨

最新推荐文章于 2024-08-20 09:21:17 发布

阅读量1.3k

点赞数 3

分类专栏： Python opencv 文章标签： python 深度学习 ppyolo

本文链接：https://blog.csdn.net/qq_34717531/article/details/113642911

版权

Python 同时被 2 个专栏收录

46 篇文章 31 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

opencv

27 篇文章 2 订阅

订阅专栏

本文介绍了如何安装PPyolo并进行图片和视频测试，对比了与Yolov4在速度上的差异。通过安装CUDA和CuDNN，然后安装Paddle GPU版本，确认安装成功后，从项目地址获取PPyolo。测试结果显示，PPyolo在视频测试中比Yolov4速度快，平均快4ms。

摘要由CSDN通过智能技术生成

1.安装cuda和cudnn。

2.安装paddle gpu版本。

python3 -m pip install paddlepaddle-gpu==1.8.4.post107 -i https://mirror.baidu.com/pypi/simple

3.查看是否安装好。

python
import paddle.fluid
paddle.fluid.install_check.run_check()

安装成功！

4.项目地址：https://github.com/PaddlePaddle/PaddleDetection

5.测试：

python tools/infer.py -c configs/ppyolo/ppyolo.yml -o use_gpu=true weights=https://paddlemodels.bj.bcebos.com/object_detection/ppyolo.pdparams --infer_img=demo/000000014439.jpg

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

学术菜鸟小晨

关注关注

3
点赞
踩
16

收藏

觉得还不错? 一键收藏
打赏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

PP-YOLO

码农ZZK的博客

07-26

1万+

摘要目标检测是计算机视觉一个重要的领域。而目标检测算法的准确性和推理速度不可兼得，我们工作旨在通过tricks组合来平衡目标检测器的性能以及速度。考虑到yolo3的广泛应用，我们考虑在yolo3基础模型训练得到一个更快，准确率更高的模型，即PP-YOLO 介绍最近出现了yolov4，5模型，这些模型也是基于yolo3算法改进得来。但PPYOLO并不像yolov4探究各种复杂的backbone和数据增广手段，也不是靠nas暴力搜索得到一个结构。我们在resnet骨干网络系列，数据增广仅靠mixup的条件下

超越YOLOv4的目标检测算法-PP-YOLO

深度学习与计算机视觉

09-22

1923

PP-YOLO的实验评估指标比现有最先进的对象检测模型YOLOv4表现出更好的性能，然而，本文并不打算介绍一种新型的目标检测器，而更像是一个食谱，告诉你如何逐步建立一个更好的探测器。让我...

1 条评论您还未登录，请先登录后发表或查看评论

PPYOLOE

qq_52302919的博客

05-24

6116

PP-YOLOE是基于PP-YOLOv2的单阶段Anchor-free模型，超越了多种流行的yolo模型。PP-YOLOE有一系列的模型，即s/m/l/x，可以通过width multiplier和depth multiplier配置。PP-YOLOE避免使用诸如deformable convolution或者matrix nms之类的特殊算子，以使其能轻松地部署在多种多样的硬件上。一、模型结构： PP-YOLOE由可扩展的backbone和neck、Task Alignment Learning、Ef

PP-YOLOE 项目使用教程

最新发布

gitblog_01131的博客

08-20

565

PP-YOLOE 项目使用教程项目地址:https://gitcode.com/gh_mirrors/pp/PP-YOLOE 项目介绍 PP-YOLOE 是一个基于 PaddlePaddle 实现的目标检测模型。它是 YOLO 系列的一个进化版本，具有高性能和友好的部署特性。PP-YOLOE 在 PP-YOLOv2 的基础上进行了优化，采用了无锚点范式、更强大的骨干网络和颈部结构，配备了 CSP...

【目标检测】|PPYOLO

qq_35608277的博客

06-13

2561

PP-YOLO: An Effective and Effificient Implementation of Object Detector PP-YOLO是PaddleDetection优化和改进的YOLOv3的模型，其精度(COCO数据集mAP)和推理速度均优于YOLOv4模型，PP-YOLO在COCO test-dev2017数据集上精度达到45.9%，在单卡V100上FP32推理速度为72.9 FPS, V100上开启TensorRT下FP16推理速度为155.6 FPS。没有探索不同的主干网络和

PPYOLO 简单的解读

Tsuinosora

08-25

5239

首发于：jwxie.cn PP-YOLO: An Effective and Efficient Implementation of Object Detector ???? PDF Link ???? Github Code YOLO5还没来得及看，又来一个PPYOLO，有点多… ???? Section 1 介绍开幕雷击，你们都是渣渣~ 随着深度学习的进步以及深度卷积网络的发展，对象检测（Object Detection）已经取得了比较大的进展，尤其是单阶段的OD。本文在YOLO3的基础上魔改，

PPYOLO训练模型

sinat_39307513的博客

07-16

896

一、环境配置及安装二、数据准备 1、已有的数据标签为yolo需要的txt格式文件，现在训练ppyolo采用将txt文件转换为xml文件或json文件。 xml文件转换代码参考https://blog.csdn.net/hesongzefairy/article/details/104443573 json文件转换代码参考https://zhuanlan.zhihu.com/p/341801502 ...

ppyolo和yolov3对比

03-22

ppyolo和yolov3都是目标检测算法，但它们的实现方式不同。ppyolo是基于PaddlePaddle框架实现的，而yolov3是...ppyolo相对于yolov3在速度和精度上都有所提升，同时还支持多尺度训练和测试，具有更好的适应性和泛化能力。

国产加速器海光DCU&GPGPU深算处理器与NVIDIA等其它厂商GPU性能测试对比

qq_27815483的博客

07-11

4142

本文主要介绍国产DCU加速处理器与其它品牌GPU加速卡实测性能对比

目标检测面试常问问题总结

m0_60341379的博客

10-14

3058

今天先总结了一些面试问题，答案后期跟上 yolov4,yolov5,ppyolo,三个的对比实验是怎么做的？最终选择了yolov5。 Yolov5比其他的两个好在哪？ Yolov5下FPS Ppyolo其他的压缩模型有没有试过？ Ppyolo这个模型的优势有哪些地方？模型对比时为什么选择了ppyolo和yolov5。 Yolov5比yolov4的改进点在哪？ Ppyolo在官网上的效果要好于yolov5和yolo4,为什么你的模型的效果却不是呢，你没有怀疑过自己的结果吗？项目是预研项.

PP-YOLO详解：当前工业界的最佳视觉识别算法之一「CV」「AI工程落地」

九三智能控

11-18

6946

关注：决策智能与机器学习，深耕AI脱水干货作者：GitHubDaily 来源：GitHub转载请联系作者编者按：PP-YOLO，实现铁路等场景自动化巡检的智能视觉识别系统核心技术。该技...

【PP-YOLO】

m0_62571112的博客

06-22

1184

PPYOLO：不容错过的目标检测调参Tricks1. 摘要目标检测是计算机视觉一个重要的领域。

网络解析----PP-YOLO

writ的博客

06-25

460

2021年4月提出了PP-YOLOv2(原文链接：https://arxiv.org/abs/2104.10419 )，性能超越同等参数的YOLOv4-CSP和YOLOv5-l，7月份旷视提出了YOLOX，百度团队优化了PP-YOLOv2，提出了PP-YOLOE。YOLOX中认为按聚类方式确定最优Anchor尺寸局限于特定领域，难以推广，此外还增加了head的复杂度与每张图像的预测数量，故采用了Anchor-free方式，PP-YOLOE中亦采用Anchor-free方式。

学习笔记（三）基于PaddleDetection的PPYOLO目标检测模型复现

qq_40231851的博客

05-23

5651

基于PaddleDetection的PPYOLO模型复现1. PPYOLO模型简介2. 环境搭建2.1 Paddle框架安装2.2 PaddleDetection依赖库安装3. 训练自己的数据集3.1 准备数据集3.2 修改配置文件3.3 训练4. 推理测试 1. PPYOLO模型简介 PP-YOLO是PaddleDetection优化和改进的YOLOv3的模型，其精度(COCO数据集mAP)和推理速度均优于YOLOv4模型。PPYOLO可以在均值平均精度（42.5%mAP）和检测速率（72.9FPS）之间

论文阅读PP-yolo：An Effective and Efficient Implementation of Object Detector

weixin_42630613的博客

09-07

951

文章目录1、保存设置 1、保存设置 def zipdir(path, ziph): files = os.listdir(path) for file in files: if file.endswith(".py") or file.endswith("cfg"): ziph.write(os.path.join(path, file)) if file.endswith("cfg"): os.

PPYOLO有了Pytorch实现啦！

qq_27311165的博客

10-28

1907

PPYOLO有了Pytorch实现啦！ https://github.com/miemie2013/Pytorch-PPYOLO 请大家点个star，咩酱爱你哟~

PP-YOLO贡献

地推

10-17

142

PP-YOLO的论文读起来很像YOLOv4论文，因为它是计算机视觉中已知的技术的汇总。新颖的贡献是证明这些技术的集成可提高性能，并提供消融研究，以研究每一步对模型的帮助程度。在我们深入研究PP-YOLO的贡献之前，先回顾一下YOLO检测器的体系结构。 ...