- 博客(2)
- 收藏
- 关注
RSS订阅原创 yolov10-ncnn量化部署完整流程
1.yolov10与yolov8整体差异不大，yolov10的模型架构由以下几个部分组成：主干网络：使用增强版的CSPNet来提取图像特征，它能改善梯度流并减少计算量。颈部：采用PAN结构汇聚不同尺度的特征，有效地实现多尺度特征融合。一对多预测头：在训练过程中为每个对象生成多个预测，用来提供丰富的监督信号从而提高学习的准确性；在推理阶段不生效，从而减少计算量。一对一预测头：在推理过程中为每个对象生成一个最佳预测，无需NMS操作，从而减少延迟并提高推理效率。
2024-06-07 14:46:31
1751
原创 yolov8-ncnn量化部署完整流程
1.模型训练时，data.yaml修改数据集路径，类别数80不做修改，只将前面的类别名改为自己的类别名即可；2.yolov8，ncnn，opset，pytorch等不同版本存在差异，需要选对版本，可尝试更改版本来解决问题，yolov8为8.2，ncnn为20220729，export时的opset为12，pytorch为1.10；3.pt转onnx时，需要修改源码的head.py和block.py，修改模型网络结构和输出节点；4.模型量化时，参数mean，norm必须保持和推理时一致，否则精度会下降。
2024-06-04 11:00:30
1334
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人