通过这些改进,我们得到了从 tiny 到 extra-large 大小的一系列高性能检测模型,我们将这套实时目标检测模型(Real-TimeModels for objectDetection)命名为RTMDet。 其中,RTMDet-x 取得了 52.8 mAP 的精度和 300+FPS 的运行速度,同时,RTMDet-tiny 在仅有 4M 参数量的情况下达到了 41.1 mAP 的精度,超越了同级别...
_time: 0.0140 memory: 1735 loss: 0.9751 loss_cls: 0.3478 loss_bbox: 0.2383 loss_mask: 0.3890 01/11 20:01:20 - mmengine - INFO - Exp name: rtmdet-ins_tiny_1xb2-2e_20230111_200052 01/11 20:01:20 - mmengine - INFO - Saving checkpoint at 1 epochs 01/11 20:01:22 - mmengine ...
python tools/deploy.py configs/mmdet/instance-seg/instance-seg_rtmdet-ins_onnxruntime_static-640x640.py ../mmdetection/configs/rtmdet/rtmdet-ins_tiny_8xb32-300e_coco.py https://download.openmmlab.com/mmdetection/v3.0/rtmdet/rtmdet-ins_tiny_8xb32-300e_coco/rtmdet-ins_tiny_8xb32-300e...
RTMDet not only achieves the best parameter-accuracy trade-off on object detection from tiny to extra-large model sizes but also obtains new state-of-the-art performance on instance segmentation and rotated object detection tasks. Details can be found in the technical report. Pre-trained models...
RTMDet not only achieves the best parameter-accuracy trade-off on object detection from tiny to extra-large model sizes but also obtains new state-of-the-art performance on instance segmentation and rotated object detection tasks. Details can be found in the technical report. Pre-trained models...
其中,RTMDet-x 取得了 52.8 mAP 的精度和 300+FPS 的运行速度,同时,RTMDet-tiny 在仅有 4M 参数量的情况下达到了 41.1 mAP 的精度,超越了同级别的所有模型。RTMDet 不仅仅在目标检测这一任务上性能优异,在实时实例分割以及旋转目标检测这两个任务中也同样达到了 SOTA 的水平!
其中，RTMDet-x 取得了 52.8 mAP 的精度和 300+FPS 的运行速度，同时，RTMDet-tiny 在仅有 4M ...
具体来说,RTMDet-tiny在1020 FPS下仅用4.8M参数就实现了41.1%的AP。RTMDet-s的AP为44.6%,每秒819帧,超过了以前最先进的小型模型。当扩展到实例分割时,RTMDet-Ins-X在基准测试中都获得了实时场景的最新性能,在COCO val集上的掩模AP在180 FPS下分别为44.6%。
其中，RTMDet-x 取得了 52.8 mAP 的精度和 300+FPS 的运行速度，同时，RTMDet-tiny 在仅有 4M ...
其中，RTMDet-x 取得了 52.8 mAP 的精度和 300+FPS 的运行速度，同时，RTMDet-tiny 在仅有 4M ...