YOLOX、YOLOv5、Nanodet在PC与嵌入式板Atlas200DK上的推理速度测试

前言

Nanodet和YOLOv5都是我很喜欢的检测算法，Nanodet超轻量对嵌入式设备极其友好，u版yolo训练起来速度快效果好，功能强大

前两天旷视开源了YOLOX，我看了一下算法大体和代码实现，总的来讲还是比较有新意，去掉了anchors，有点融合FCOS的意思，不过纸面上的mAP比yolov5的p6系列还是有一定差距的
不过YOLOX代码写的真不错，比u版yolo简洁多了。

以下测试均在python中完成

PC上的模型推理速度（已更新全部模型）

mAP我就不比了，这几个算法在原repo里都有coco数据集上的精度测试结果

PC配置：CPU:i7-10875H GPU:RTX2070super Max-Q

将YOLOX、YOLOv5、Nanodet仓库里的模型，对30张图片进行测速，取均值

model	size	pytorch	onnx
YOLOXnano	416x416	63.5ms	14.9ms (27.1ms opencv)
YOLOXtiny