赞
踩
本文是继上文《轻量级目标检测模型实战——杂草检测》后的第二篇轻量级目标检测系列博文,本文选用的模型是YOLOv4-tiny模型,相比于上文的YOLOv3-tiny有更好的效果,先看效果图:
在前面我写过一篇目标检测自己做实验的记录性也是入门的一篇文章,如下:
Yolov3目标检测实战【实现图像中随机出现手写数字的检测】
感兴趣的话可以去看看。
当时主要是基于YOLOv3进行的实验,因为YOLOv3本身的体积是非常大的,如果想要运行在一些计算能力比较弱的边缘端设备上面的话就会显得很吃力,计算能力和效率都会比较低下,所以在考虑边缘端部署问题的时候我们往往都会优先选取使用一些更加轻量级的模型来进行模型的构建和训练,这里我指的轻量级其实还是比较宽泛的定义,截止到目前为止,已经实验了多种轻量级的模型了我会把这些实践记录整理成一个系列的文章来进行介绍。
因为Yolov3太过于知名,本来想在这里放一些参考学习的链接,后来想还是算了,因为随手一搜,CSDN就会给你一堆优秀的讲解文章,从环境部署到训练
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。