文件名称：quarkdet:PyTorch中的QuarkDet轻量级对象检测。移动设备上的实时对象检测
文件大小：148KB
文件格式：ZIP
更新时间：2024-06-12 22:22:09
pytorch object-detection pan mosaic fpn
QuarkDet实现基于PyTorch的轻量级目标检测 在这里，我们实现了轻量级的对象检测骨干网支持mobilenetv3，shufflenetv2，ghostnet，efficiencynet 颈部支撑FPN（cnn），PAN（cnn），FPN_Slim（非cnn），PAN_Slim（非cnn），BiFPN 头部支撑gfl（广义失焦），gfl v2（自定义） 测试环境 Ubuntu18.04 PyTorch 1.7 Python 3.6 不同的设备在移动端具有不同的性能，具有不同功能的模型可以根据不同的性能运行。 该库提供了低功耗移动设备和功能强大的移动设备的模型。 如果模型在低功耗移动设备上运行，则主干可以选择shufflenetv2或moiblenetv3，而颈部选择FAN_Slim，等效于nanodet的实现。 如果它是性能强大的移动设备，则骨干网可以选择仅在effcientn
【文件预览】：
quarkdet-main
----requirements.txt(109B)
----tools()
--------flops.py(782B)
--------statistics.py(2KB)
--------inference.py(2KB)
--------test.py(2KB)
--------export.py(934B)
--------train.py(4KB)
----README.md(8KB)
----demo()
--------demo.py(4KB)
----README_cn.md(9KB)
----config()
--------shufflenetv2_0.5x.yml(3KB)
--------mobilenetv3.yml(6KB)
--------efficientdet.yml(6KB)
--------ghostnet_full.yml(6KB)
--------ghostnet_slim640.yml(6KB)
--------ghostnet_slim.yml(7KB)
--------quarkdet.yml(7KB)
--------ghostnet_full_bifpn.yml(6KB)
--------shufflenet.yml(6KB)
--------test.yml(6KB)
--------nanodet.yml(6KB)
----quarkdet()
--------data()
--------model()
--------evaluator()
--------util()
--------trainer()