Advertisement

轻量级PP-HumanSeg lite模型，采用NCNN C++部署代码及模型文件。

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

简介：
1、提供轻量级人像分割模型PP-HumanSeg的NCNN C++部署代码；2、该代码包包含预训练的onnx模型以及针对NCNN平台的优化模型。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 轻量级PP-HumanSeg lite人像分割模型的NCNN C++部署代码及模型
    优质
    简介：本文提供轻量级人像分割模型PP-HumanSeg Lite在NCNN框架下的C++部署实现与模型，适用于实时图像处理需求。 1. 轻量级人像分割模型PP-HumanSeg NCNN C++部署代码； 2. 包含onnx模型和ncnn模型。
     
  • 基于NCNN的轻量级PaddleOCRv4模型C++推理
    优质
    本项目提供了一种基于NCNN框架的轻量化PaddleOCR v4版本模型，适用于高性能C++环境下的文字识别任务。 PaddleOCR 提供了基于深度学习的文本检测、识别及方向检测等功能。其主要推荐的 PP-OCR 算法在国内外企业开发者中得到了广泛应用，在短短几年时间里，PP-OCR 的累计 Star 数已超过32.2k，并经常出现在 GitHub Trending 和 Paperswithcode 的日榜和月榜首位，被认为是当前 OCR 领域最热门的仓库之一。PaddleOCR 最初主打的 PP-OCR 系列模型在去年五月份推出了 v3 版本。最近，飞桨 AI 套件团队对 PP-OCRv3 进行了全面改进，并发布了重大更新版本 PP-OCRv4。该新版本预计带来了更先进的技术、更高的性能和更广泛的适用性，将进一步推动 OCR 技术在各领域的应用。
     
  • 超轻量中英文PP-OCRv4模型
    优质
    简介：PP-OCRv4是一款超轻量级的中英文光学字符识别（OCR）模型，专为移动设备设计，提供高效、准确的文字识别服务，适用于多种应用场景。 中英文超轻量PP-OCRv4预测模型是一款高效的文本检测与识别工具。
     
  • 轻量级 YOLOV5-ti-lite 目标检测模型
    优质
    简介：YOLOV5-ti-lite是一款轻量级的目标检测模型，基于YOLOv5架构优化而成，适用于资源受限的设备，提供高效准确的目标识别能力。 YOLOV5-ti-lite 是一个基于 Ultralytics YOLOv5 的目标检测模型版本，专为边缘设备高效部署设计。与之前的 YOLOv3 相比，主要改进包括： - 使用 Darknet-csp 骨干网络代替传统的 Darknet 网络，减少了 30% 的复杂度。 - 引入 PANet 特征提取器替代 FPN。 - 应用了更先进的边界框解码技术。 - 利用遗传算法优化锚点选择过程。 - 实施了多种增强技术，如马赛克数据增强。 YOLOV5-ti-lite 从 YOLOv5 中继承了一个焦点层作为网络的第一层。这一设计减少了模型的复杂性和训练时间（降低了约7%和15%）。然而，由于切片操作在嵌入式设备上不友好，我们在新版本中将其替换为轻量级卷积层。 总的来说，YOLOV5-ti-lite 是从 YOLOv3 到 YOLOv5 再到当前版本的一系列优化结果。
     
  • 基于树莓派的YOLOv5-Lite部署代码和模型.zip
    优质
    本资源包提供在树莓派上部署轻量级目标检测模型YOLOv5-Lite所需的全部代码与预训练模型，适用于嵌入式设备上的快速物体识别。 该项目是个人毕业设计项目，在答辩评审中获得95分的高分。代码经过调试测试，并确保可以顺利运行。欢迎下载使用，适合初学者学习或进阶研究。 该资源主要适用于计算机、通信、人工智能及自动化等相关专业的学生、教师或从业者，也可作为课程设计、大作业和毕业设计等项目的参考材料。项目整体具有较高的学习借鉴价值，基础能力强的用户可以在现有基础上进行修改调整，以实现不同的功能需求。
     
  • MODNet官方ONNX及转为NCNN的模型、NCNN量化后的模型
    优质
    本资源提供MODNet模型在ONNX格式下的官方版本及其转换至NCNN框架后的模型文件，并包含经过NCNN量化处理后的优化模型，适用于多种深度学习应用场景。 1. MODNet官方提供的ONNX模型； 2. 将MODNet官方的ONNX模型转换为ncnn格式； 3. 经过ncnn int8量化后的模型。
     
  • 轻量级YOLOv5预训练模型权重文件
    优质
    本资源提供了一个轻量级的YOLOv5预训练模型权重文件，适用于需要快速目标检测的应用场景，能够有效降低计算成本并保持高效性能。 YOLOv5-lite预训练权重文件包括V5lite-e.pt、V5lite-s.pt、V5lite-g.pt以及V5lite-c.pt。这些是用于YOLOv5-lite模型的预训练权重文件，适用于不同的应用场景需求。
     
  • 基于NCNN和PNNX的YOLOv7部署（含源码、训练模型及文档、数据）.rar
    优质
    本资源包提供基于NCNN和PNNX框架下YOLOv7模型的完整部署方案，包括源代码、预训练模型以及详尽的开发文档和示例数据集。适合从事计算机视觉项目的研究者和技术开发者。 资源内容：基于NCNN、PNNX 部署YOLOv7（完整源码+训练模型+说明文档+数据）.rar 代码特点： - 参数化编程，参数可方便更改； - 代码编写思路清晰，注释详尽。 适用对象： 该资源适用于计算机、电子信息工程和数学等专业的大学生课程设计和毕业设计项目使用。 作者介绍：某大厂资深算法工程师，在Matlab、Python、C/C++ 和Java 等语言及YOLO算法仿真领域拥有10年的工作经验。擅长于计算机视觉，目标检测模型，智能优化算法，神经网络预测，信号处理，元胞自动机图像处理和智能控制等多个领域的仿真实验研究，欢迎与作者交流学习。