YOLO2_LIGHT 项目推荐

YOLO2_LIGHT 项目推荐

yolo2_light Light version of convolutional neural network Yolo v3 & v2 for objects detection with a minimum of dependencies (INT8-inference, BIT1-XNOR-inference) 项目地址: https://gitcode.com/gh_mirrors/yo/yolo2_light

项目基础介绍和主要编程语言

YOLO2_LIGHT 是一个轻量级的卷积神经网络（CNN）实现，主要用于目标检测。该项目是 YOLO v3 和 v2 的轻量级版本，旨在减少依赖并提高推理速度。主要的编程语言包括 C、C++、CUDA 和 Python。

项目核心功能

YOLO2_LIGHT 的核心功能包括：

1. 目标检测：能够实时检测图像或视频中的多个目标。
2. 轻量级设计：通过减少依赖和优化代码，提高了推理速度。
3. 支持多种平台：可以在 Windows 和 Linux 系统上运行。
4. 支持多种 OpenCV 版本：兼容 OpenCV 3.3.0 和 OpenCV 2.4.13。
5. 支持 GPU 加速：通过 CUDA 和 cuDNN 实现 GPU 加速，提高检测速度。

项目最近更新的功能

YOLO2_LIGHT 最近更新的功能包括：

1. INT8 推理支持：通过使用 -quantized 标志，可以启用 INT8 推理，进一步提高推理速度。
2. BIT1-XNOR 推理支持：仅适用于自定义模型，通过训练自定义模型并使用 yolov3-spp_xnor_obj.cfg 配置文件，可以实现 BIT1-XNOR 推理。
3. 自定义数据集支持：通过 input_calibration= 参数，可以为自定义数据集进行校准。
4. 改进的编译和运行脚本：提供了更简洁的编译和运行脚本，方便用户在不同平台上进行编译和运行。

通过这些更新，YOLO2_LIGHT 不仅保持了其轻量级的特性，还进一步提升了性能和灵活性，使其成为目标检测领域的优秀开源工具。

yolo2_light Light version of convolutional neural network Yolo v3 & v2 for objects detection with a minimum of dependencies (INT8-inference, BIT1-XNOR-inference) 项目地址: https://gitcode.com/gh_mirrors/yo/yolo2_light