作者:RangiLyu
编译:CV君
前几日YOLO-tiny (上达最高精度,下到最快速度,Scaled-YOLOv4:模型缩放显神威)的出现给移动端开发的朋友一个新选择,昨天Github又新上一不得不关注的项目NanoDet,目标检测模型文件仅 1.8 MB,在手机上实时检测速度可达 97fps!
以下内容为作者介绍:
特点:
超轻量级:模型文件只有1.8 MB
超快速:在移动 ARM CPU 上达到 97fps(10.23ms)
训练友好:训练占用内存少。可设置Batch-size=80,在 GTX1060 6G上也可以训练。
易部署:作者提供了基于 ncnn 推理的 C++ 实现和安卓部署 demo。
基准测试结果:
以上性能结果是在基于 ncnn 的麒麟 980(4xA76+4xA55)ARM CPU上测试获得。
NanoDet mAP(0.5:0.95) 是在 COCO val2017 数据集上验证得到,没有进行测试阶段数据增强。
YOLO mAP 参考论文 Scaled-YOLOv4:Scaling Cross Stage Partial Network。
提供了 NanoDet ncnn 模型下载。『文末提供下载方式』
这是一个面向工程应用的库,在部署方面,提供了Python\C++\Android示例,另外支持用户在自定义数据集上仅需几行命令训练自己的模型,可谓良心之作!
演示:
1、安卓 demo:
演示项目在 『demo_android_ncnn』文件,
https://github.com/RangiLyu/nanodet/blob/main/demo_android_ncnn/README.md
作者视频演示:
(领带识别有错误,不过很明显可以通过设置阈值过滤)
2、C++ demo:
C++ 演示项目在『demo_ncnn』文件,
https://github.com/RangiLyu/nanodet/blob/main/demo_ncnn/README.md
3、Python demo:
按以下安装指南安装需求和设置 NanoDet
Inference images
python demo/demo.py image --config CONFIG_PATH --model MODEL_PATH --path IMAGE_PATH
Inference video
python demo/demo.py video --config CONFIG_PATH --model MODEL_PATH --path VIDEO_PATH
Inference webcam
python demo/demo.py webcam --config CONFIG_PATH --model MODEL_PATH --camid YOUR_CAMERA_ID
项目地址:https://github.com/RangiLyu/nanodet
在『OpenCV中文网』公众号后台回复【NanoDet】即可收到本项目代码及模型文件下载。
目前尚未发现介绍该工程所使用算法的文献。
备注:目标检测
目标检测交流群
2D、3D目标检测等技术,
若已为CV君其他账号好友请直接私信。
OpenCV中文网
微信号 : iopencv
QQ群:805388940
微博/知乎:@我爱计算机视觉
投稿:amos@52cv.net
网站:www.52cv.net