NanoDet：轻量级（1.8MB）、超快速（移动端97fps）目标检测项目

以下内容为作者介绍：

特点：

• 超轻量级：模型文件只有1.8 MB
• 超快速：在移动 ARM CPU 上达到 97fps(10.23ms)
• 训练友好：训练占用内存少。可设置Batch-size=80，在 GTX1060 6G上也可以训练。
• 易部署：作者提供了基于 ncnn 推理的 C++ 实现和安卓部署 demo。

基准测试结果：

• 以上性能结果是在基于 ncnn 的麒麟 980(4xA76+4xA55)ARM CPU上测试获得。
• NanoDet mAP(0.5:0.95) 是在 COCO val2017 数据集上验证得到，没有进行测试阶段数据增强。
• YOLO mAP 参考论文 Scaled-YOLOv4：Scaling Cross Stage Partial Network。
• 提供了 NanoDet ncnn 模型下载。『文末提供下载方式』

这是一个面向工程应用的库，在部署方面，提供了Python\C++\Android示例，另外支持用户在自定义数据集上仅需几行命令训练自己的模型，可谓良心之作！

演示：

1、安卓 demo：

演示项目在 『demo_android_ncnn』文件，

https://github.com/RangiLyu/nanodet/blob/main/demo_android_ncnn/README.md

作者视频演示：

（领带识别有错误，不过很明显可以通过设置阈值过滤）

2、C++ demo：

C++ 演示项目在『demo_ncnn』文件，

https://github.com/RangiLyu/nanodet/blob/main/demo_ncnn/README.md

3、Python demo:

按以下安装指南安装需求和设置 NanoDet

• Inference images

python demo/demo.py image --config CONFIG_PATH --model MODEL_PATH --path IMAGE_PATH

• Inference video

python demo/demo.py video --config CONFIG_PATH --model MODEL_PATH --path VIDEO_PATH

• Inference webcam

python demo/demo.py webcam --config CONFIG_PATH --model MODEL_PATH --camid YOUR_CAMERA_ID

项目地址：https://github.com/RangiLyu/nanodet

在『3D视觉工坊』公众号后台回复【nanodet】即可收到本项目代码及模型文件下载。

目前尚未发现介绍该工程所使用算法的文献。

本文仅做学术分享，如有侵权，请联系删文。