基于树莓派4B的NCNN部署YOLOv5-Lite（代码开源）_yolov5 lite源码

作者：笔触狂放9 | 2024-04-18 02:32:50

踩

yolov5 lite源码

前言：本篇博客为《基于树莓派4B的YOLOv5-Lite目标检测的移植与部署》的后续博客，主旨为帮助大家实现 ONNX 模型到 NCNN 模型的转换，并且在树莓派4B进行成功部署！正常情况下，NCNN 模型是优于 ONNX 模型的，但是作者实际测试下来发现貌似 ONNX 模型的FPS和精度感觉都略优秀于 NCNN 模型，读者朋友可以根据自己时间情况去选择模型的使用！

实验效果图：

YOLOv5-Lite的ONNX模型FPS：4.78

YOLOv5-Lite的NCNN模型FPS：3.77

按道理来说，NCNN 模型的推理速度是快于 ONNX 模型的，作者这边也不知道什么情况。

一、工程前瞻

NCNN 的网络模型通常需要使用简化后的 ONNX 模型来转换，ONNX 模型依赖于原始的训练权重 Weight 的存在，故此我们需要使用自己的训练集于神经网络模型进行训练！

这部分的详解教程可以借鉴：http://t.csdn.cn/msjCZ

源码地址：https://www.wpsshop.cn/w/笔触狂放9/article/detail/443569