- 博客(2)
- 收藏
- 关注
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