yolox移植Android yolov3移植到stm32上

yolo算法是什么?

1、YOLO 是一種使用神經(jīng)網(wǎng)絡提供實時對象檢測的算法。該算法因其速度和準確性而廣受歡迎。它已在各種應用中用于檢測交通信號、人員、停車計時器和動物。YOLO 是“You Only Look Once”一詞的縮寫。

成都創(chuàng)新互聯(lián)主要從事做網(wǎng)站、成都網(wǎng)站設計、網(wǎng)頁設計、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務。立足成都服務云城,十載網(wǎng)站建設經(jīng)驗,價格優(yōu)惠、服務專業(yè),歡迎來電咨詢建站服務:18982081108

2、YOLO是一種流行的物體檢測算法，全稱為You Only Look Once。YOLO（You Only Look Once）是一種流行的物體檢測算法，它被廣泛應用于圖像和視頻處理領域。

3、Yolo是一種目標檢測算法。YOLO將對象檢測重新定義為一個回歸問題。它將單個卷積神經(jīng)網(wǎng)絡（CNN)應用于整個圖像，將圖像分成網(wǎng)格，并預測每個網(wǎng)格的類概率和邊界框。例如，以一個100x100的圖像為例。我們把它分成網(wǎng)格，比如7x7。

NCNN模型部署Android?

Yolo-Fastest， darknet模型約3M。yoloV5n，onnx模型約2M。nanodet，ncnn模型約8M。

將訓練好的模型轉換，優(yōu)化形成配置文件，與識別引擎框架或者SDK的包組合形成可發(fā)布的版本。其在不同平臺上其優(yōu)化的方式不一樣，比如在Android平臺浮點定點化，ncnn框架，在Linux平臺下，tensorRT的優(yōu)化。

目標檢測-YOLOv3

1、不過待改進的地方有在小目標上召回率不高，靠近的群體目標檢測效果不好，檢測精度還有優(yōu)化空間。

2、 類置信度表示檢測到的物體屬于一個具體類的概率值，以前的YOLO版本使用softmax將類分數(shù)轉化為類概率。

3、yolo_v3只會對1個prior進行操作，也就是那個最佳prior。而logistic回歸就是用來從9個anchor priors中找到objectness score(目標存在可能性得分)最高的那一個。

4、經(jīng)典的目標檢測網(wǎng)絡RCNN系列分為兩步，目標proposal和目標分類。而Faster-RCNN中把目標proposal和目標分類作為一個網(wǎng)絡的兩個分支分別輸出，大大縮短了計算時間。

5、R-CNN系列算法需要先產生候選區(qū)域，再對候選區(qū)域做分類和位置坐標的預測，這類算法被稱為兩階段目標檢測算法。

關于YOLOv3的一些細節(jié)

1、YOLO層是一個預測值和Lables目標值相減求損失的層。

2、YOLOv3借鑒了YOLOv1和YOLOv2，雖然沒有太多的創(chuàng)新點，但在保持YOLO家族速度的優(yōu)勢的同時，提升了檢測精度，尤其對于小物體的檢測能力。

3、YOLO3更進一步采用了3個不同尺度的特征圖來進行對象檢測。能夠檢測的到更加細粒度的特征。 對于這三種檢測的結果并不是同樣的東西，這里的粗略理解是不同給的尺度檢測不同大小的物體。

4、另外，YOLO-v2利用WordTree，將分類和檢測任務進行聯(lián)合訓練，對于沒有方框標注的物體也能預測出其方框，能夠對詞典中9000個概念進行預測。YOLO-v2也叫做YOLO9000。YOLO-v3在YOLO-v2的基礎上進行了一些改進。

網(wǎng)頁名稱：yolox移植Android yolov3移植到stm32上
標題來源：http://bm7419.com/article35/dgshopi.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供靜態(tài)網(wǎng)站、網(wǎng)站維護、營銷型網(wǎng)站建設、網(wǎng)站制作、商城網(wǎng)站、微信公眾號

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)