Yolo-Fastest：将Yolo通用目标检测模型与EfficientNet-lite结合，计算量仅230Mflops

简介：
简介：Yolo-Fastest是将YOLO算法与EfficientNet-Lite相结合的一种快速目标检测方法，其计算复杂度仅为230MFLOPS，在保证效率的同时提供优秀的实时性。 Yolo-Fastest 是一种简单、快速且紧凑的实时目标检测算法，在所有平台上的移植性都很强，并基于 YOLO 构建了已知最轻量级的目标检测模型之一，特别针对 ARM 移动终端进行了优化设计。经过精心调优以支持 NCNN 推理框架，该模型能够在 RK3399、Raspberry Pi 4b 等嵌入式设备上实现完整的实时性能（超过30fps）。相比同类算法，它的推理速度提升了约45%，参数量减少了大约56%。 2021年3月16日：修复了分组卷积在某些旧架构GPU上的推断耗时问题。例如，在 GTX 1050ti 上的性能从原来的40ms 提升到了仅需4ms，速度提高了十倍。 2021年9月12日：更新NCNN相机演示版本。参考AlexeyAB/darknet仓库中的修复工作，解决了分组卷积在一些旧架构GPU上的推理耗时问题（例如 GTX 1050ti 上的性能从40ms 提升到了仅需4ms）。强烈建议使用此仓库中训练模型以获得更好的效果。 相较于 AlexeyAB / darknet 版本中的 Darknet，该版本解决了分组卷积在旧架构 GPU 中推理耗时过长的问题。