简介:超轻目标检测 | 超越 NanoDet-Plus、YOLOv4-Tiny实时性、高精度都是你想要的! 近年来,压缩高精度卷积神经网络(CNNs)在实时目标检测方面取得了显著进展。为了加快检测速度,轻量级检测器采用单路径主干,卷积层数较少。然而,在连续的池化和下采样操作中,单路径架构总是带来粗糙和不准确的特征图,这很不利于定位目...
简介:超轻目标检测 | 超越 NanoDet-Plus、YOLOv4-Tiny实时性、高精度都是你想要的!(一) 近年来,压缩高精度卷积神经网络(CNNs)在实时目标检测方面取得了显著进展。为了加快检测速度,轻量级检测器采用单路径主干,卷积层数较少。然而,在连续的池化和下采样操作中,单路径架构总是带来粗糙和不准确的特征图,这很不利于...
The weight file of the improved model was less than 1/6 in size, the twice faster detection speed, the 339 less layer number of the model, and the computational cost of 20.2% in GFLOPs, compared with the YOLOv4. In conclusion, the YOLOv4-tiny-X presented the ...
Also, Depth separable convolution has dramatically lightened the model, significantly improving the performance of the model’s Params, FPS, and GFLOPs. Besides, the comparison experiments of PF-YOLOv4-Tiny with YOLOv3, YOLOv4-Tiny, and YOLOv5 illustrate that our model can implement infrared ...
针对嵌入式平台的GPU算力,作者设计了YOLOv4-tiny 对于高端GPU,例如AIStudio提供的Tesla V100,作者设计了YOLOv4-Large,通过提高输入图像分辨率和增加stage的方式提高模型精度 数据文件准备 数据集已挂载至aistudio项目中,如果需要本地训练可以从这里下载数据集,和标签文件 数据集目录大致如下,可根据实际情况修改 Data |...
StructurebackbonePostprocessingParametersGFLOPSmAP0.5mAP0.5:0.95speed(inference/NMS/total)FPS YOLOv338.74M20.39M59.13M117.30.5800.34012.3/1.7/14.0 ms71.4fps YOLOv3tiny6.00M2.45M8.45M9.90.3470.1683.5/1.8/5.3 ms188.7fps YOLOv3-mobilenetv32.84M20.25M23.09M32.20.5470.3467.9/1.8/9.7 ms103.1fps ...
结构名称backbone后处理总参数GFLOPSmAP0.5mAP0.5:0.95speed(inference/NMS/total)FPS YOLOv3 38.74M 20.39M 59.13M 117.3 0.580 0.340 12.3/1.7/14.0 ms 71.4fps YOLOv3tiny 6.00M 2.45M 8.45M 9.9 0.347 0.168 3.5/1.8/5.3 ms 188.7fps YOLOv3-mobilenetv3 2.84M 20.25M 23.09M 32.2 0.547 0.346 7.9/1.8/9....
结构名称backbone后处理总参数GFLOPSmAP0.5mAP0.5:0.95speed(inference/NMS/total)FPS YOLOv338.74M20.39M59.13M117.30.5800.34012.3/1.7/14.0 ms71.4fps YOLOv3tiny6.00M2.45M8.45M9.90.3470.1683.5/1.8/5.3 ms188.7fps YOLOv3-mobilenetv32.84M20.25M23.09M32.20.5470.3467.9/1.8/9.7 ms103.1fps ...
四、使用Yolov4-Tiny训练与推断 4.1 调整yolov4-tiny.yaml与训练 4.2 测试结果 总结 前言 因为项目需要在Zynq开发板上实现深度网络的部署,采用Yolo-v4(-Tiny)两种目标检测模型,并使用武汉大学开源的DOTA数据集来训练和推断。因为此前使用计算机视觉相关的代码都是直接用已经处理好的数据集比如Pascal VOC、COCO、Image...
简介:超轻目标检测 | 超越 NanoDet-Plus、YOLOv4-Tiny实时性、高精度都是你想要的!(一) 近年来,压缩高精度卷积神经网络(CNNs)在实时目标检测方面取得了显著进展。为了加快检测速度,轻量级检测器采用单路径主干,卷积层数较少。然而,在连续的池化和下采样操作中,单路径架构总是带来粗糙和不准确的特征图,这很不利于...