快速目标检测--YOLO-LITE: A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers

最新推荐文章于 2024-04-25 10:08:43 发布
原创 最新推荐文章于 2024-04-25 10:08:43 发布 · 1.4k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了YOLO-LITE，一种为非GPU计算机优化的实时目标检测算法，其在非GPU计算机上运行帧率约21FPS。认为小网络中batch normalization性价比不高，可去掉以提升速度。还提及Tiny Yolo V2和YOLO-LITE网络结构，且剪枝对YOLO-LITE的准确率和速度无提升。

YOLO-LITE: A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers
https://github.com/reu2018DL/YOLO-LITE
https://github.com/Stinky-Tofu/Stronger-yolo

YOLO-LITE runs at about 21 FPS on a non-GPU computer
本文觉得对于小的网络， batch normalization 性价比不高，所以可以去掉 batch normalization 以提示网络的速度

Tiny Yolo V2 和 YOLO-LITE 网络结构
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

Pruning YOLO-LITE showed to have no improvement in accuracy or speed

重新设计一个网络感觉就是瞎尝试啊！

11

快速目标检测
吴建明wujianming_110117
04-10 798
快速目标检测 Minimum Delay Object Detection From Video 论文链接： http://openaccess.thecvf.com/content_ICCV_2019/papers/Lao_Minimum_Delay_Object_Detection_From_Video_ICCV_2019_paper.pdf 摘要 我们考虑的问题是，当物体进入视野时，通过在...
谷歌开源EfficientDet：实现新SOTA，又快又准的目标检测器
Tiger数学之家的博客
03-23 3661
什么检测器能够兼顾准确率和模型效率？如何才能实现？ 去年11月底，谷歌大脑提出 EfficientDet，在广泛的资源限制下，这类模型的效率仍比之前最优模型高出一个数量级。具体来看，结构只使用了 52M 参数、326B FLOPS 的 EfficientDet-D7 在 COCO 数据集上实现了 51.0 mAP，准确率超越之前最优检测器（+0.3% mAP），其规模仅为之前最优检测器的 1/...
ThunderNet——快速目标检测算法
AI之路
09-26 5591
论文：ThunderNet: Towards Real-time Generic Object Detection 论文链接：https://arxiv.org/abs/1903.11752 最近几年目标检测算法确实发展非常迅速，整体上看还是分为2条路线，一条路线是效果更好，另一条路线是速度更快，虽然也有一些算法在二者之间有比较好的平衡，但是整体上还是有一定侧重，而这篇博客要介绍的ThunderN...
YOLO-LITE
年轻即出发，
11-19 5818
  论文：YOLO-LITE: A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers  Github：https://github.com/reu2018DL/YOLO-LITE     论文致力于设计一个网络（cpu速度大于10FPS，PASCAL VOC精度大于30%），因此基于YOLO-v2，提...
Yolo-lite:实时的适用于移动设备的目标检测算法(比ssd和mobilenet更快)
热门推荐
ghw15221836342的博客
11-24 1万+
YOLO-LITE: A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers 论文：Yolo-lite paper 项目：Yolo-lite 摘要： 　　作者提出了一种可以应用于便携式设备中运行的实时的目标检测算法，例如：手机或者没有gpu的笔记本．在PASCAL VOC和coco数据集上的map是33...
基于YOLO-LITE的人脸口罩检测
倪锐晨的博客
06-29 1793
基于YOLO-LITE的人脸口罩检测项目简介代码地址YOLO介绍任务定义及主流方法模型轻量化的意义性能指标的定义IoUmAP电脑配置数据整理数据来源数据可视化模型设计Anchor框的大小确定YOLO-LITE模型结构数据类型的确定从随机初始化开始的训练过程误差的定义从随机初始化开始的模型训练过程模型的训练结果与讨论模型性能模型改进展望先验Anchor框的选取与多尺度目标检测过拟合问题高层次特征的学习代码参考 项目简介   这是我这学期模式识别课程的大作业。简单写个博客纪念一下。网上也有很多关于目标检测的YO
大盘点｜YOLO 系目标检测算法总览（共22篇）
01-18
YOLO-LITE A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers Poly-YOLO higher speed, more precise detection and instance segmentation for YOLOv3 DC-SPP-YOLO Dense Connection and ...
YOLO 系目标检测算法家族全景图！
OpenCV中文网
10-21 1131
YOLO目标检测算法诞生于2015年6月，从出生的那一天起就是“高精度、高效率、高实用性”目标检测算法的代名词。在原作者JosephRedmon博士手中YOLO经历了三代到YOLOv3...
全面解析YOLO系列目标检测算法进展
4. YOLO-LITE（A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers） YOLO-LITE是专为非GPU计算机优化的实时目标检测算法。它通过简化网络结构和减少计算复杂度，使得在性能较低的硬件上也...
快速目标检测--Object detection at 200 Frames Per Second
AI小作坊 的博客
06-14 1291
Object detection at 200 Frames Per Second 本文在 Tiny Yolo 的基础上设计了一个目标检测网络，在 Nvidia 1080ti 上可以达到 100帧每秒。 本文主要成果有三点：1）网络结构上的设计改进；2） Distillation loss for Training，使用 teacher network 辅助训练；3）Effectiveness...
Python-YOLOLITE专门为没有GPU计算机优化的实时目标检测算法
08-11
YOLO-LITE：专门为没有GPU计算机优化的实时目标检测算法
最快的目标检测技术论文 yolo v1-v
10-14
yolo v1-v3论文，其中还有 faster cnn，google net，inception 和yolo相关的论文
yolov3-lite.cfg
10-27
加快的YOLOv3行人检测配置文件
xYOLO | 最新最快的实时目标检测
gzq0723的博客
12-06 3001
随着物联网(IoT)、边缘计算和自主机器人等领域的车载视觉处理技术的出现，人们对复合高效卷积神经网络模型在资源受限的硬件设备上进行实时目标检测的需求越来越大。Tiny-YOL...
PicoDet：专为移动CPU优化的快速目标检测
Warmer_Sweeter
03-15 2026
概述PicoDet是在2021年11月发布的一种机器学习模型。它将最近在目标检测模型方面的研究成果集成到一个轻量级模型中，以在移动CPU上实现高准确度和高速目标检测。COCO dataset架构PicoDet通过使用轻量级结构作为骨干，提高了特征提取的速度。通过改进损失函数，它还提高了训练的稳定性和效率。最近几年来，基于无锚点的检测器在目标检测中变得越来越受欢迎，而全卷积单阶段目标检测（FCOS）...
目标检测快速入门（含YOLO V1原理详解）
我的博客
02-24 1151
原创：悬鱼铭 目标检测(Object Detection)任务是计算机视觉中非常重要且热门的研究方向之一，是计算机视觉算法工程师的必考的知识点。本文通过以下几点阐述： 目标检测的简介 目标检测的发展 YOLO V1 原理详解 全文总共3千字左右，阅读时间12分钟！ 目标检测的简介 目标检测是解决图像分割、目标跟踪、图像描述等问题的基础，推动着它们的发展。目标检测到现今已经研究20年有余，04年，Viola 和 Jones学者研究的实时人脸检测的文章，引用量高达2万1千多[2]。 目标检测有非
超越所有 YOLO 检测模型，mmdet 开源当今最强最快目标检测模型
jacke121的专栏
09-26 3465
超越所有 YOLO 检测模型，mmdet 开源当今最强最快目标检测模型
【亲测免费】 探索最快速的目标检测框架FastestDet：速度与准确性的完美结合
最新发布
gitblog_00026的博客
04-25 767
是一个由GitHub上的开源项目，旨在提供一种在保持高度准确性的同时，实现目标检测极快速度的解决方案。该项目基于深度学习，专为实时应用和资源有限的设备设计，适合那些需要高效、低延迟目标检测的开发者和研究人员。 ## 技术分析 FastestDet的核心是其轻量级的设计和优化。它采用了高效的网络架构——YOLOv3（You Only Look Once v3），并通过一系列的性能改进策略，如模型...
yolo算法_Yolo-Fastest：超超超快的开源ARM实时目标检测算法
weixin_39773158的博客
12-13 777
大家好，我是dog-qiuqiu，这篇文章可能不会涉及太多技术算法上的讲解，可能先和大家探讨下关于这个算法的一些定位和应用场景的问题吧。 Yolo-Fastest，顾名思义，应该是现在已知开源最快的最轻量的改进版yolo通用目标检测算法（貌似也是现在通用目标检测算法中最快最轻量的），其实初衷就是打破算力的瓶颈，能在更多的低成本的边缘端设备实时运行目标检测算法，例如树莓派3b，4核A5...
Python实现的YOLO-LITE：无GPU下的实时目标检测解决方案
为了解决这一问题，研究者们开发出了专门针对没有GPU计算机优化的实时目标检测算法——YOLO-LITE。 YOLO-LITE的开发，是基于以下几个方面的考量： 1. **算法优化：**YOLO-LITE对传统的YOLO算法进行了轻量化改进，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值