摘要:
注意:记得修改data/coco.names的类别名字. 训练指令: ./darknet detector train mascotData/cfg/coco.data mascotData/cfg/yolov4-mascotData.cfg yolov4.conv.137 -gpus 0,1 测试 阅读全文
摘要:
SqueezeNet虽在一定程度上减少了卷积计算量,但仍然使用传统的卷积计算方式,而在其后的MobileNet利用了更为高效的深度可分离卷积的方式,进一步加速了卷积网络在移动端的应用。 为了更好地理解深度可分离卷积,在本节首先回顾标准的卷积计算过程,然后详细讲解深度可分离卷积过程,以及基于此结构的两 阅读全文
摘要:
当物体检测应用到实际工业场景时,模型的参数量是一个十分重要的指标,较小的模型可以高效地进行分布式训练,减小模型更新开销,降低平台体积功耗存储和计算能力的限制,方便在FPGA等边缘平台上部署。 基于以上几点,Han等人提出了轻量化模型SqueezeNet,其性能与AlexNet相近,而模型参数仅有Al 阅读全文
摘要:
当前的经典物体检测结构大都依赖使用卷积网络进行特征提取,即Backbone,在前面的章节中我们也详细介绍过如VGGNet、ResNet等优秀的基础网络。但很遗憾,这些网络往往计算量巨大,当前依靠这些基础网络的检测算法很难达到实时运行的要求,尤其是在ARM、FPGA及ASIC等计算力有限的移动端硬件平 阅读全文
摘要:
训练的数据集: 含有数据集的:链接:https://pan.baidu.com/s/1u8N_yRnxrNoIMc4aP55rcQ 提取码:6wfe 不含数据集的:链接:https://pan.baidu.com/s/1BNVj2XSajJx8u1ZlKadnmw 提取码:xrng model.py 阅读全文
摘要:
阅读全文
摘要:
参考:https://www.bilibili.com/video/BV16K411W782?p=2&spm_id_from=pageDriver&vd_source=c8abe32fbec77ddf5705ae6ff117c1e4 阅读全文