每个head中,普通卷积换为深度可分离卷积;分类和回归每个使用2组卷积;通道数由256降为96。 借鉴yolo系列做法,将分类和回归特征图放在一起进行卷积,在最后split成两部分。 使用BN而不是GN,因为BN可以做merge_bn,达到加速的目的。 这里借鉴yolo将分类和回归放在一起做,在其他工作中已经表明分类回归拆开更合适,这里也...
NanoDet-Plus与上一代NanoDet相比,在仅增加1毫秒多的延时的情况下,精度提升了30%,与YOLOv5-n, YOLOX-Nano等其他轻量级模型相比,在精度和速度上也都高了不少!同时NanoDet-Plus改进了代码和架构,提出了一种非常简单的训练辅助模块,使模型变得更易训练!同时新版本也更易部署,同时提供ncnn、OpenVINO、MNN以及安卓APP...
YOLOX是基于Anchor-Free框架设计的,放弃了YOLO系列的基于Anchor的策略(YOLOv2-v5)。由于它在当前COCO数据集上的YOLO系列中取得了最先进的结果,本文选择它作为基线。YOLOX总共有6种不同的网络宽度和深度设置的模型,包括YOLOX-Nano、YOLOX-Tiny、YOLOXS、YOLOX-M、YOLOX-L和YOLOX-X。其中,YOLOX-Nano、YOLOX-Tin...
nanodet-plus-m_416-yolo.yml nanodet-plus-m_416.yml nanodet_custom_xml_dataset.yml demo demo_android_ncnn demo_libtorch demo_mnn demo_ncnn demo_openvino docs nanodet tests tools .flake8 .gitignore .isort.cfg .pre-commit-config.yaml LICENSE README.md requirements.txt setup.pyBreadcrumbs nanod...
NanodetPlus使用了DynamicSoftLabelAssigner,DSLA,参考YoloX中的SimOTA算法来做标签匹配,SimOTA是一种动态标签匹配算法,基于dynamic k来实现,先计算cost matrix,再将其当作任务分配问题,关于YoloX中的 SimOTA算法可以参考这里。5.后处理介绍虽然NanoDetPlus作者将模型最终的输出concat为了一个输出,从下图可以看到NanoDetPlus...