极验图标识别-推理速度的优化(10ms)

唠叨

奈何市场上的点选模型太贵，那就自己学python开始做模型吧，其实关于目标检测的文章一搜一大堆，从yolov3、v4、v5、vx、v7都有尝试过，不过知识有限，cnn也不懂，也没gpu环境，只能从cpu推理越快越好，业务角度出发，找一个成品的网络，推理速度在自己的接受范围就好，从yolox(.pth/100ms)–>yolox(.onnx/30ms)，再到目前使用的yolo-fastestv2(onnx/10ms)

关于yolo-fastestV2

虽然coco数据集上map只达到了24，但是咱们类别少啊，主要是这个速度是真的香，满足咱们不会手写网络还能快速的要求。
模型更详细的介绍我这样就不复制了，从GitHub上下载代码，项目的README.md里有详细介绍

训练自己的模型

首先准备数据集，数据集的格式README有介绍，如果没有数据集和不知道数据集怎么弄的话，标注工具：labellmg

anchors

配置好train.txt,执行genanchors.py，获取的结果复制到下一