Advertisement

海思Hi35xx系列支持YoloV3和YoloV3-tiny运行。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
建议您首先仔细研读文档《HiSVP 开发指南.pdf》、 《HiSVP API 参 考.pdf》以及《HiSVP 量化库使用指南.pdf》，以便充分理解。特别注意步骤 b 中所生成的 Prototxt 文件，该文件可以直接应用于后续流程，并且 ruyi studio 将会自动执行规范化处理，确保其符合预期标准。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 关于海思Hi35xx系列运行YoloV3和YoloV3-tiny的指南.pdf
    优质
    本指南详细介绍了在海思Hi35xx系列芯片上部署并优化YOLOv3及YOLOv3-tiny模型的方法，涵盖硬件配置、软件环境搭建以及性能调优等实用技巧。 建议首先阅读《HiSVP 开发指南.pdf》、《HiSVP API 参考.pdf》、《HiSVP 量化库使用指南.pdf》。步骤 b 中生成的 Prototxt 文件可以直接使用，ruyi studio 会自动进行规范化。
     
  • TensorFlow-YOLOv4-TFLite: YOLOv4, YOLOv4-tiny, YOLOv3, 和 YOLOv3-tiny 在 T...
    优质
    简介：此项目实现YOLOv4、YOLOv4-tiny、YOLOv3及YOLOv3-tiny模型在TensorFlow框架下的转换至TFLite格式，适用于移动设备与嵌入式系统。 TensorFlow-YOLOv4-TFLite 是在 Tensorflow 2.0 中实现的 YOLO v4 和 YOLO v4-tiny 版本。该项目可以将YOLO v4、YOLO v3以及YOLO tiny 的.weights 文件转换为.pb、.tflite和trt格式，以便生成 TensorFlow、TensorFlow Lite 和 TensorRT。 性能演示版 # 将darknet权重转换成tensorflow ## YOLOv4 python save_model.py --weights ./data/yolov4.weights --output ./checkpoints/yolov4-416 --input_size 416 --model yolov4 ## YOLOv4-tiny python save_model.py --weights ./data/
     
  • 海思Hi35xx SDK系列
    优质
    海思Hi35xx SDK系列是华为海思公司为旗下Hi35xx系列芯片开发的一套软件开发工具包，广泛应用于视频监控、网络摄像机等领域，助力开发者高效创建智能视觉解决方案。 海思Hi35xx系列SDK的百度网盘分享包括了Hi3516、Hi3518、Hi3519系列的Linux和Liteos SDK。
     
  • yolov3-tiny-onnx.zip
    优质
    YOLOv3-Tiny-ONNX 是一个轻量级的对象检测模型，基于YOLOv3架构简化版，已转换为ONNX格式，适用于资源受限环境中的实时目标检测任务。 关于yolov3-tiny的cfg文件、yolov3的weights权重文件以及使用cfg和weights转换好的onnx模型的相关资源，在文章完成后会通过百度云链接的形式提供，具体链接会在文章中给出。
     
  • yolov3-tiny-conv-15
    优质
    YOLOv3-Tiny-Conv-15是一种轻量级目标检测模型，基于YOLOv3架构简化而来，通过减少网络层数至仅保留15层卷积层，实现资源消耗最小化同时保持较好的实时检测性能。 ./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 这段文字描述了一个命令行操作，用于使用Darknet框架将预训练的YOLOv3 Tiny模型权重文件拆分成两个部分。具体来说，该指令会生成一个包含前15层参数的新权重文件yolov3-tiny.conv.15。
     
  • YoloV3、YoloV3-Tiny、YoloV4及YoloV-Tiny预训练模型下载
    优质
    本资源提供YOLOv3和YOLOv3-Tiny、YOLOv4及其Tiny版本的预训练模型免费下载，适用于快速部署目标检测任务。 yolov3-tiny预训练模型、yolov3预训练模型、yolov4 预训练模型以及 yolov4-tiny预训练模型全部打包在一个压缩文件中。
     
  • YOLOv3-Torch2TRT：将YOLOv3及YOLOv3-tiny(PyTorch版)转为TensorRT模型
    优质
    简介：本文介绍如何使用YOLOv3-Torch2TRT工具，便捷地将基于PyTorch的YOLOv3及其简化版（tiny）模型转换成高性能的TensorRT格式，以实现更快的推理速度。 YOLOv3-Torch2TRT介绍通过torch2trt Python API将YOLOv3和YOLOv3-tiny（PyTorch版本）转换为TensorRT模型。首先，安装克隆仓库： ``` git clone https://github.com/DocF/YOLOv3-Torch2TRT.git ``` 下载预先训练的权重： ```bash cd weights/ bash download_weights.sh ``` 需要两个特殊的Python包：张量火炬2trt。由于YOLO中的升采样操作，根据torch2trt API介绍，您需安装特定版本并使用插件。 检查torch2trt API: ```python python3 check.py ``` 推理加速技术： - FP16 TensorRT 以下是TITAN xp的一些结果： 型号名称 输入尺寸 FPS（FP16 整个模式） 重写后的文本去除了所有链接和联系方式，保留了原始内容的完整性。
     
  • yolov3-tiny-conv-15.rar
    优质
    本资源提供YOLOv3-Tiny模型的一个变种版本，移除了原始结构中的最后十五个卷积层，适用于计算资源有限的设备。下载后请解压使用。 在yolov3中，yolov3-tiny.cfg框架对应的预训练权重可以使用命令`./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15`来提取前15层的权重。
     
  • yolov3-tiny-conv-15-zip
    优质
    yolov3-ttiny-conv-15-zip 是一个精简版YOLOv3模型文件，包含仅15层卷积的轻量级版本，适用于资源受限环境中的实时目标检测任务。 yolov3-tiny.conv.15预训练模型的下载可以通过使用darknet partial命令结合yolov3-tiny.cfg配置文件以及yolov3-tiny.weights权重文件来完成。具体操作是运行darknet partial命令，参数包括cfg文件路径、weights文件路径和所需的层号（例如15）。
     
  • yolov3-tiny权重文件
    优质
    Yolov3-tiny权重文件是基于轻量级版本的YOLOv3模型训练所得的参数集合，适用于资源受限环境下的目标检测任务。 PyTorch YOLOv3 目标检测使用 yolov3-tiny.weights。yolov3 和 yolov3-tiny 的权重文件可以用于模型训练和测试。