NanoDet

深度学习：使用nanodet训练自己制作的数据集并测试模型，通俗易懂，适合小白

关于目标检测的模型有很多，nanodet模型小且轻量化，适合移植部署到硬件设备上，非常推荐学习这个模型。
佐咖·2022-11-30 01:26

用OpenCV实现超轻量的NanoDet目标检测模型！

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达作者丨nihate本文作者用OpenCV部署了超轻量目标检测模型NanoDet，并实现了C++和Python两个版本，并对此进行了解析
小白学视觉·2022-11-26 22:32

ROS系统——部署OpenVINO版Nanodet超轻量目标检测器

目录0背景本人的实测效果：1环境搭建2先熟悉OpenVINO版nanodet的流程3在ROS里部署openvino版nanodet的流程4源码4.1main.cpp内容4.2CMakeLists.txt4.3
⊙月·2022-11-26 18:11

基于VS2017+OpenCV，C++搭建NanoDet-Plus轻量级目标检测模型并训练（一）

1.绪论官方GitHub地址：https://github.com/RangiLyu/nanodet中文知乎地址：https://zhuanlan.zhihu.com/p/449912627性能如下图，
低空飞鱼·2022-11-26 11:40

迁移python虚拟环境后pip无法使用

在迁移别人的python虚拟环境后，pipinstall无法正常的使用具体显示如下图：bash:/home/cqy/anaconda3/envs/nanodet/bin/pip:/home/skyler
Ricardo_che·2022-11-24 01:37

超轻目标检测 | 超越 NanoDet-Plus、YOLOv4-Tiny实时高精度！

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【2D检测综述】获取鱼眼检测、实时检测、通用2D检测综述！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，这很不利于定位目标。另一方
自动驾驶之心·2022-11-22 07:42

【已解决】Nanodet/python setup.py develop时遇到的各种问题（①No module named ‘setuptools‘ ②‘directory not exit’）

最近想在NvidiaAGXXavier上用一下Nanodet来试一试他的目标检测，在配置环境过程中需要pythonsetup.pydevelop。这时问题就来了。
YtZhaoZm·2022-11-21 21:52

YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

例如：MCUNet和NanoDet的优化主要致力于低功耗的单片机，提高边缘CPU的推理速度。而YOLOX和YOLOR等方法则专注于提高各种gpu的推理速度。近年来，实时目标检测器的发展
小小小~·2022-11-20 00:29

视觉模型对比BaseNet、Hourglass、LaneNet、SCNN、SAD、Ultra-Fast-lane、PINet、RefineNet、RefineDet、NanoDet

0：常用编程基础ModuleNotFoundError:Nomodulenamed’’exportPYTHONPATH="$PWD"&&python3models/export_onnx.py--weights./weights/--img640--batch11：基础网络简单回顾一下·AlexNet应该算第一个深度CNN；·ZFNet采用DeconvNet和visualization技术可以监控
SensorFusion·2022-11-19 13:28

NanoDet

又来了一个轻量级的检测哈哈NanoDet总体而言没有特别多的创新点，是一个纯工程化的项目，主要的工作就是将目前学术界的一些优秀论文，落地到移动端的轻量级模型上。
tt姐whaosoft·2022-10-14 17:45

35、ubuntu20.04搭建瑞芯微的npu仿真环境和测试rv1126的Debain系统下的yolov5+npu检测功能以及RKNN推理部署

基本思想：手中有一块core-1126/1109-JD4,记录一下其刷机过程和开发人数统计，与树莓派的nanodet每帧200ms对比一下第一步：刷机，真的是难，各种各样的小问题，反正成功的方法只有一个
sxj731533730·2022-09-27 18:25

nanodet阅读：（3）Loss计算及推理部分

一、前言loss的计算是一个AI工程代码的核心之一，nanodet的损失函数与yolov3/5系列有很大不同，具体见GeneralizedFocalLoss，说实话一开始看这个损失函数博客，没看明白，后来看完代码才看懂
tang-shopping·2022-08-06 07:30

nanodet阅读：（2）正负样本定义(ATSS)

一、前言本篇博客主要是ATSS部分，这部分个人认为是核心之一，毕竟正负样本的选择很重要，ATSS论文证实，anchor-based和anchor-free性能差异的根本原因在于正负样本的定义，好的正负样本定义方法能在很大程度上降低模型对AnchorNum,AnchorSize的依赖。这点在yolov5上也得到了证实——“正确的正负样本定义方式能引入更多的高质量正样本，加快拟合并提高模型性能”。首先
tang-shopping·2022-08-06 07:30

nanodet阅读：（1）概述

一、前言出于某些需要，阅读一下anchor-free模型的代码，因为之前用过nanodet，对其印象深刻，所以重温一下代码。好记性不如烂笔头，多记录、多总结、多分享。
tang-shopping·2022-08-06 07:59

【深度学习】百度：YOLOX和NanoDet都没我优秀！轻量型实时目标检测模型PP-PicoDet开源...

作者丨happy编辑丨极市平台导读百度提出新型移动端实时检测模型PP-PicoDet。本文对anchor-free策略在轻量型检测器中的应用进行了探索；对骨干结构进行了增强并设计了一种轻量Neck部件；同时对SimOTA策略与Loss进行了改进。通过上述改进，所提PP-PicoDet取得了超越其他实时检测模型的性能。论文链接：https://arxiv.org/abs/2111.00902代码链接
风度78·2022-07-24 07:13

#今日论文推荐# YOLOv7上线：无需预训练，5-160 FPS内超越所有目标检测器

例如，MCUNet和NanoDet的开发专注于生产低功耗单芯片并提高边缘CPU的推理速度；YOLOX、YOLOR等方法专注于提高各种GPU的推理速度；实时目标检测器的发展集中在高效架构的设计上；在CPU
wwwsxn·2022-07-14 07:05

一点就分享系列（实践篇5-上篇）[持续更新中！代码已吸收！依旧全网首发] yolov7解析：yolov5的plus扩充 ，仍旧值得学习！一起看V5代码如何变成V7！

全网首发]yolov7解析V7来了，话不多说，强行回归，之前提到的一些nanodet/yolox的优化技巧，没想到V7也做了，这样挺好，减少了不少工作量，大体今天上午看了下主要是两部分核心:网络结构和辅助训练分支
啥都会一点的老程·2022-07-08 07:46

【20210305期AI简报】基于TensorRT完成NanoDet模型部署、Google AI发布TensorFlow 3D

导读：本期为AI简报20210305期，将为您带来9条相关新闻，新春过后第一弹，今日惊蛰，一侯桃始华~本文一共2900字，通篇阅读结束需要6~10分钟1.每帧只需9ms，手机实时「三维动作识别」|机器之心Model与codes链接：https://github.com/CoCoPIE-Pruning/CoCoPIE-ModelZoo本文提出了一种用于三维卷积神经网络（3DCNN）的模型压缩和移动加
RT-Thread物联网操作系统·2022-05-20 07:24

【阅读材料精选 From-to-Date:2020.11.01~2020.12.31】

【阅读材料精选From-to-Date:2020.11.01~2020.12.31】重点内容【轻量无锚的检测模型】github:https://github.com/RangiLyu/nanodet（检测模型
adolhung·2022-04-11 07:04

【推理引擎】从源码看ONNXRuntime的执行流程

本文以目标检测模型NanoDet作为分析的基础，部分代码主要参考：超轻量级NanoDetMNN/TNN/NCNN/ONNXRuntimeC++工程记录-D
虔诚的树·2022-03-29 15:00

YOLOX、YOLOv5、Nanodet在PC与嵌入式板Atlas200DK上的推理速度测试

目录前言PC上的模型推理速度（已更新全部模型）Atlas200DK推理测速结果（已更新全部模型）前言Nanodet和YOLOv5都是我很喜欢的检测算法，Nanodet超轻量对嵌入式设备极其友好，u版yolo
RuiH.AI·2022-03-18 05:00

聊聊YOLOv5、YOLOX、Nanodet

YOLOv5大家应该很熟悉了YOLOX在YOLO系列的基础上做了一系列工作，其主要贡献在于：在YOLOv3的基础上，引入了DecoupledHead，DataAug，AnchorFree和SimOTA样本匹配的方法，构建了一种anchor-free的端到端目标检测框架，并且达到了一流的检测水平。此外，本文提出的YOLOX-L模型在视频感知挑战赛(CVPR2021年自动驾驶研讨会)上获得了第一名。作
billyhhzh·2022-03-18 05:04

【精华】YOLO fastest/YOLOX/YOLO fastestv2/Nanodet/Nanodet Plus模型对比

目录YOLOfastest/YOLOX/YOLOfastestv2/Nanodet/NanodetPlus模型对比（1）网络结构1>YOLOfastest2>YOLOX-Nano3>YOLOfastestv24
LeeZhao@·2022-03-15 07:46

升级版NanoDet-Plus来了！简单辅助模块加速训练收敛，精度大幅提升！

作者RangiLyu@知乎编辑极市平台来源https://zhuanlan.zhihu.com/p/449912627先上性能对比：NanoDet-Plus与其他轻量级检测模型性能对比与上一代NanoDet
公众号机器学习与生成对抗网络·2022-03-08 10:38

NanoDet代码逐行精读与修改（五.1）检测头的构造和前向传播

[email protected]笔者已经为nanodet增加了非常详细的注释，代码请戳此仓库：nanodet_detail_notes:detaileverydetailaboutnanodet
HNU跃鹿战队·2022-03-08 10:38

NanoDet关键代码详解(首发)

更新中。。。task.pydeftraining_step(self,batch,batch_idx):preds,loss,loss_states=self.model.forward_train(batch)#logtrainlossesifself.log_style=='Lightning':self.log('lr',self.optimizers().param_groups[0]['
k_shmily·2022-03-08 10:08

NanoDet代码逐行精读与修改（三）辅助训练模块AGM

[email protected]笔者已经为nanodet增加了非常详细的注释，代码请戳此仓库：nanodet_detail_notes:detaileverydetailaboutnanodet
HNU跃鹿战队·2022-03-08 10:07

NanoDet代码逐行精读与修改（零）Architecture

[email protected]是一个单阶段的anchor-free模型，其设计基于FCOS模型,并加入了动态标签分配策略/GFLloss和辅助训练模块。由于其轻量化的设计和非常小的参数量，在边缘设备和CPU设备上拥有可观的推理速度。其代码可读性强扩展性高，是目标检测实践进阶到深入的不二选择。作者在知乎上有一篇介绍的文章，指路：超简单辅助模块加速训练收敛，精度大幅提升！移动端
HNU跃鹿战队·2022-03-08 10:07

NanoDet代码逐行精读与修改（二）FPN/PAN

[email protected]笔者已经为nanodet增加了非常详细的注释，代码请戳此仓库：nanodet_detail_notes:detaileverydetailaboutnanodet
HNU跃鹿战队·2022-03-08 10:07

NanoDet代码逐行精读与修改（四）动态软标签分配：dynamic soft label assigner

[email protected]笔者已经为nanodet增加了非常详细的注释，代码请戳此仓库：nanodet_detail_notes:detaileverydetailaboutnanodet
HNU跃鹿战队·2022-03-08 10:06

YOLOX:Exceeding YOLO Series in 2021

结果对于YOLO-Nano，所提方法仅需0.91M参数+1.08GFLOPs取得了25.3%AP指标，以1.8%超越了NanoDet。
_忙中偷闲_·2021-12-09 11:32

33、将Resnet32数据集转成nanodet的数据集

基本思想：因为手中有一份Resnet32的数据集，是以文件夹命名的分类图片，想用检测的模型进行训练一下，因为每张图图片的尺寸大小固定，且每个图片的目标位置大概都是固定的，逐写一个py代码构建一个标注文件xml即可生成数据集代码#encoding:utf-8fromxml.dom.minidomimportDocumentimportosimportcv2dataDir=r"F:\sxj\20191
sxj731533730·2021-11-23 16:06

不再只有Yolo，现在轻量级检测网络层出不穷（框架解析及部署实践）

公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式开源代码：https://github.com/RangiLyu/nanodet1
计算机视觉研究院·2021-08-21 00:00

（学习笔记二）基于NanoDet模型的车辆检测项目

1.NaonoDet模型简介NanoDet是一个速度超快和轻量级的移动端Anchor-free目标检测模型，该模型的模型文件大小仅几兆（nanodet_m.pth仅3.86M），其在移动ARMCPU上的速度达到
初级炼丹师666·2021-05-05 19:37

从零开始，带你用Nanodet目标检测模型完成自动捡球机器人

文章目录前言机械结构电控设计思路视觉思路小球的目标检测传统方法OR深度学习Nanodet目标检测算法训练与部署1.手动创建数据集2.数据标注3.数据增强4.xml转json5.配置config文件6.训练模型
Coo㏒ ∮·2021-04-24 20:38

NanoDet-训练自己的数据集

importtimeimportosimportcv2importtorchfromnanodet.utilimportcfg,load_config,Loggerfromnanodet.model.archimportbuild_modelfromnanodet.utilimportload_model_weightfromnanodet.data.transformimportPipeline
·2021-03-26 19:57

NanoDet-训练自己的数据集

importtimeimportosimportcv2importtorchfromnanodet.utilimportcfg,load_config,Loggerfromnanodet.model.archimportbuild_modelfromnanodet.utilimportload_model_weightfromnanodet.data.transformimportPipeline
·2021-03-25 22:21

用opencv部署nanodet目标检测

本文原创首发于极市平台公众号，如需转载请私信作者2020年，在深度学习目标检测领域诞生了yolov4,yolov5和nanodet这些优秀的检测模型，有许多的微信公众号报道这些算法模型。
nihate·2021-02-18 19:21

部署NanoDet实现火焰检测

作者：Azure出处：https://www.cnblogs.com/azureology/p/14103685.html前言#距离Nvidia推出JetsonNano开发板已经有一段时间在GTC2020上NV再次推出了定价$59的2GB版Nano成为树莓派有利竞争对手同样的价格下自带128个cuda和免费DLI课程让新版JetsonNano非常适合部署边缘AI项目在拿到开发板的第一时间我决定做一
爱CV·2021-01-31 01:36

OpenVINO部署NanoDet模型

0x0.nanodet简介NanoDet（https://github.com/RangiLyu/nanodet）是一个速度超快和轻量级的Anchor-free目标检测模型。
爱CV·2021-01-30 12:14

NanoDet：这是个小于4M超轻量目标检测模型

摘要：NanoDet是一个速度超快和轻量级的移动端Anchor-free目标检测模型。
华为云开发者社区·2021-01-21 10:17

NanoDet：这是个小于4M超轻量目标检测模型

摘要：NanoDet是一个速度超快和轻量级的移动端Anchor-free目标检测模型。
华为云·2021-01-20 11:55

mac pytorch模型转onnx转ncnn部署

示例:nanodet目标检测网络https://zhuanlan.zhihu.com/p/306530300https://github.com/RangiLyu/nanodet/tree/325571d27f25fc8f552bc2c639693b1f896206121
yun_xiao_duo·2021-01-08 17:49

yolo 深度学习_1.8M超轻量目标检测模型NanoDet，比YOLO跑得快，上线两天Star量超200...

这个项目对单阶段检测模型三大模块(Head、Neck、Backbone)进行轻量化，得到模型大小仅1.8m、速度超快的轻量级模型NanoDet-m。
weixin_39525007·2021-01-01 20:33

YOLO之外的另一选择，手机端97FPS的Anchor-Free目标检测模型NanoDet现已开源~

昨天跟大家分享了NanoDet：轻量级（1.8MB）、超快速（移动端97fps）目标检测项目，今天作者发文公布了NanoDet原理，欢迎大家参考~本文已获作者授权转载。
OpenCV中文网公众号·2020-11-24 10:54

NanoDet：轻量级（1.8MB）、超快速（移动端97fps）目标检测项目

RangiLyu编译：CV君前几日YOLO-tiny（上达最高精度，下到最快速度，Scaled-YOLOv4：模型缩放显神威）的出现给移动端开发的朋友一个新选择，昨天Github又新上一不得不关注的项目NanoDet
OpenCV中文网公众号·2020-11-23 21:12
上一页 1 2 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他