Loading [MathJax]/jax/output/CommonHTML/config.js

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

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

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

用户1148525

发布于 2019-07-01 11:04:45

发布于 2019-07-01 11:04:45

6080

举报

文章被收录于专栏：机器学习、深度学习机器学习、深度学习

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

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

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2019年06月20日，如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

评论

登录后参与评论

暂无评论

编辑精选文章

换一批

万字详解高可用架构设计

Go 开发者必备：Protocol Buffers 入门指南

10分钟带你彻底搞懂分布式链路跟踪

多租户的 4 种常用方案

亿级月活的社交 APP，陌陌如何做到 3 分钟定位故障？

60页PPT全解：DeepSeek系列论文技术要点整理

重磅！YOLO-LITE来了（含论文精读和开源代码）

看名字，就知道属于YOLO系列。这篇文章于2018年11月15日首发在arXiv上，考虑到该work开源了，于是Amusi就特意深挖一下推荐给大家。

Amusi

2018/12/14

3.9K0

YOLO-LITE:专门面向CPU的实时目标检测

编程算法 https 网络安全存储腾讯云测试服务

现在的实时目标检测算法，比如YOLO、SSD在GPU上已经可以跑的很快了，比如YOLOv2可以在GPU上跑到224fps，但在便携式笔记本甚至手机终端，这些算法还不能达到实时。

CV君

2019/12/27

2K0

YOLO-LITE:专门面向CPU的实时目标检测

实时目标检测--Pelee: A Real-Time Object Detection System on Mobile Devices

Pelee: A Real-Time Object Detection System on Mobile Devices ICLR 2018 Code: https://github.com/Robert-JunWang/Pelee

用户1148525

2019/05/26

8170

YOLO 系目标检测算法家族全景图！

网络安全 https 编程算法图像处理 github

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。

CV君

2020/08/04

1.8K0

YOLO 系目标检测算法家族全景图！

嵌入式目标检测--Fast YOLO: A Fast You Only Look Once System for Real-time Embedded Object Detection

本文提出了一种名为 Fast YOLO 的目标检测系统，旨在提高嵌入式设备上的目标检测性能。Fast YOLO 通过优化 YOLOv2 模型架构和引入运动自适应推理方法，实现了在 Jetson TX1 嵌入式系统上实时运行的目标检测任务。实验结果表明，Fast YOLO 在 Jetson TX1 上较 YOLOv2 平均加速了 3.3 倍，达到了 18 FPS。

用户1148525

2018/01/03

1.4K0

嵌入式目标检测--Fast YOLO: A Fast You Only Look Once System for Real-time Embedded Object Detection

【综述】Pytorch YOLO项目推荐建议收藏学习

https 网络安全神经网络人工智能编程算法

最近一些群友有询问我有没有哪些YOLO的算法推荐，考虑到现在Pytorch是做实验发论文最流行的深度学习框架，所以我就针对Pytorch实现的YOLO项目做了一个盘点和汇总，真心希望可以帮助到入门目标检测的同学。写作不易，要是觉得这篇文章有用就点个关注吧QAQ。

BBuf

2020/02/24

1.7K2

Micro-YOLO：探索目标检测压缩模型的有效方法（附论文下载）

图像识别神经网络人工智能机器学习深度学习

论文地址：https://www.scitepress.org/Papers/2021/102344/102344.pdf

计算机视觉研究院

2022/01/26

9070

Micro-YOLO：探索目标检测压缩模型的有效方法（附论文下载）

目标检测-- DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling

人脸识别数据处理

本文提出了一种可扩展的实时目标检测方法，旨在提高目标检测的速度和扩展性。该方法包括两个主要步骤：1）利用角点提取候选区域，并设计一个轻量级的卷积神经网络来学习目标的边界框和类别；2）在目标检测中采用定向稀疏采样技术，以减少计算量和提高检测速度。实验结果表明，该方法在速度和扩展性方面均优于现有的目标检测方法。

用户1148525

2018/01/03

1.3K0

目标检测-- DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling

笔记分享 : 目标检测与识别算法之一 YOLO v4 精华版

神经网络深度学习人工智能编程算法图像识别

哈喽，大家好，今天我们一起学习一下CV(Computer Vision)领域中，最牛目标检测与识别算法之一：YOLO_v4论文中的精髓部分，论文名称：《YOLOv4: Optimal Speed and Accuracy of Object Detection》，感兴趣的同学可以自行下载阅读，文末会贴上下载链接。

唐国梁Tommy

2021/05/28

8640

笔记分享 : 目标检测与识别算法之一 YOLO v4 精华版

目标检测YOLO系列算法的进化史

图像识别神经网络深度学习人工智能机器学习

来源：DeepHub IMBA 本文约3400字，建议阅读6分钟本文为你简单总结YOLO的发展历史。本文中将简单总结YOLO的发展历史，YOLO是计算机视觉领域中著名的模型之一，与其他的分类方法，例如R-CNN不同，R-CNN将检测结果分为两部分求解：物体类别（分类问题），物体位置即bounding box（回归问题）不同，YOLO将任务统一为一个回归问题。也就是相对于R-CNN系列的"看两眼"(候选框提取与分类)，YOLO只需要 You Only Look Once。目标检测我们人类只需要看一眼

数据派THU

2022/10/11

1.3K0

目标检测YOLO系列算法的进化史

GitHub：目标检测最全论文集锦

目标检测（Object Detection）可以识别一幅图像中的多个物体，定位不同物体的同时（边界框），贴上相应的类别。简单来说，解决了what和where问题。授人以鱼，不如授人以渔，本文不会具体介绍某类/某种算法（one-stage or two-stage），但会给出目标检测相关论文的最强合集（持续更新ing）。为了follow潮流（装B），Amusi将目标检测论文合集的github库起名为awesome-object-detection。

Amusi

2018/07/23

2.1K0

GitHub：目标检测最全论文集锦

【目标检测】开源 | 吊打一切的 YOLOv4它来了

图像识别编程算法

当前随着深度学习算法的的快速发展，出现了很多特征提取网络结构，可以提高算法的精度。但是需要在大数据集上对这些特征组合进行实际测试，并对结果进行理论验证。有些特征专门针对某些模型和某些问题，或者只针对小规模数据集;而一些其他的模型，如批处理标准化和剩余连接，适用于大多数模型、任务和数据集等。本文假设这些通用的模型包括：Weighted-Residual-Connections (WRC),Cross-Stage-Partial-connections(CSP), Cross mini-Batch Normalization (CmBN), Self-adversarial-training (SAT) andMish-activation。本文使用的一些新的网络结构包括：WRC，CSP，CmBN，SAT，Mish激活，马赛克数据增强，CmBN，DropBlock正则化和CIoU损失，并结合其中的几项来达到SOTA的表现结果。经过测试在MS COCO数据集上使用Tesla V100 GPU实时处理速度达到65FPS，精度为43.5％AP（65.7％AP50）。

CNNer

2020/06/19

5820

【目标检测】开源 | 吊打一切的 YOLOv4它来了

CVPR 2019 | 京东AI研究院提出 ScratchDet：随机初始化训练SSD目标检测器

存储 https 网络安全人脸识别批量计算

使用 ImageNet 预训练的网络模型能够帮助目标任务（物体检测、语义分割、细粒度识别等）快速收敛，然而使用预训练模型会带来诸多限制，其中一个问题就是改动特征提取网络的结构成本相对较高，需要耗时巨大的重新预训练来适应不同需求的任务。那么，如果不使用预训练模型，进行随机初始化训练，达到较高准确率的某些必要条件是什么？

机器之心

2019/04/09

9170

CVPR 2019 | 京东AI研究院提出 ScratchDet：随机初始化训练SSD目标检测器

杀疯了！YOLO再突破，提速20倍！！

论文模型设计性能 yolo

YOLO再一次突破，新变体YOLO-World在目标检测领域的表现非常的出色。开集检测速度提升20倍！

Python编程爱好者

2024/04/12

1.1K0

杀疯了！YOLO再突破，提速20倍！！

YOLOv4团队开源最新力作！1774fps、COCO最高精度，分别适合高低端GPU的YOLO

https 网络安全图像识别 .net 神经网络

本文是YOLOv4的原班人马（包含CSPNet一作与YOLOv4一作AB大神）在YOLO系列的继续扩展，从影响模型扩展的几个不同因素出发，提出了两种分别适合于低端GPU和高端GPU的YOLO。该文所提出的YOLO-large在MSCOCO取得前所未有的精度(已公开的研究成果中最佳)，且可以保持实时推理；所提出的YOLO-tiny在RTX 2080Ti显卡上结合TensorRT+FP16等技术，可以达到惊人的1774FPS@batch=4.

深度学习技术前沿公众号博主

2020/12/01

1.4K0

YOLOv4团队开源最新力作！1774fps、COCO最高精度，分别适合高低端GPU的YOLO

【转】目标检测之YOLO系列详解

机器学习神经网络深度学习人工智能图像识别

YOLO将输入图像分成SxS个格子，若某个物体 Ground truth 的中心位置的坐标落入到某个格子，那么这个格子就负责检测出这个物体。

marsggbo

2019/05/26

1.8K0

目标检测（Object Detection）

人脸识别图像识别机器学习神经网络深度学习

目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。

全栈程序员站长

2022/09/14

7.9K0

目标检测（Object Detection）

超越YOLOv5的PP-YOLOv2和1.3M超轻量PP-YOLO Tiny都来了！

图像识别神经网络深度学习人工智能编程算法

单阶段目标检测界的扛把子 --YOLO，以其「又快又好的效果」在学术及产业界全面风靡。自 20 年下半年 YOLOv4、YOLOv5、PP-YOLO、YOLO-Fastest 和 YOLOv4 Tiny 等等轮番轰炸、掀起「YOLO 狂潮」后，时隔半年，超越 YOLOv5 的 PP-YOLOv2 和 1.3M 超超超轻量级的 PP-YOLO tiny 一起来了！！！

机器之心

2021/05/07

8150

超越YOLOv5的PP-YOLOv2和1.3M超轻量PP-YOLO Tiny都来了！

【论文推荐】最新七篇目标检测相关论文—Self Paced、上下文注意力、特征反射、层次特征、Tiny SSD、少样本、协同学习

【导读】专知内容组整理了最近七篇目标检测（Object Detection）相关文章，为大家进行介绍，欢迎查看! 1. Self Paced Deep Learning for Weakly Supervised Object Detection（基于Self Paced深度学习的弱监督目标检测） ---- ---- 作者：Enver Sangineto,Moin Nabi,Dubravko Culibrk,Nicu Sebe 摘要：In a weakly-supervised scenario objec

WZEARW

2018/04/13

1.5K0

【论文推荐】最新七篇目标检测相关论文—Self Paced、上下文注意力、特征反射、层次特征、Tiny SSD、少样本、协同学习

YOLO 目标检测实战项目『原理篇』

https 图像识别神经网络深度学习

在目标检测中，IoU 为预测框 (Prediction) 和真实框 (Ground truth) 的交并比。如下图所示，在关于小猫的目标检测中，紫线边框为预测框 (Prediction)，红线边框为真实框 (Ground truth)。

机器视觉CV

2019/11/14

4K1

YOLO 目标检测实战项目『原理篇』

相关推荐

重磅！YOLO-LITE来了（含论文精读和开源代码）

更多 >