yolobile 道路损坏检测实战
本文是继前文如下:
《轻量级目标检测模型实战——杂草检测》
《yolov4-tiny目标检测模型实战——学生姿势行为检测》
《yolov5s 目标检测模型实战——火点烟雾检测实战》
《代替人工批卷?基于目标检测模型的试卷自动批阅实践》
《UAV 无人机检测实践分析》
后的第六篇目标检测系列博文,本文选用的模型并非前面几篇文章中的较为轻量级的模型,这里选用的是yolovbile模型,首先看下效果:
关于yolobile模型的简介如下:
为了更好地满足目标检测框架的落地需求,CoCoPIE 团队:美国东北大学王言治研究组和威廉玛丽学院任彬研究组共同提出了名为 YOLObile 的手机端目标检测加速框架。YOLObile 框架通过「压缩 - 编译」协同设计在手机端实现了高准确率实时目标检
还没有评论,来说两句吧...