YOLOv6是美团视觉智能部新近推出的高性能实时目标检测网络,在精度和速度方面均超越其它同体量算法。
YOLOv6使用 PyTorch开发,基于 RepVGG style 设计了可重参数化、更高效的骨干网络 EfficientRep Backbone 和 Rep-PAN Neck。采用了Anchor-free无锚范式、解耦头、SimOTA、标签分配策略和SIoU边界框回归损失等前沿技术。
本课程将手把手地教大家使用labelImg标注和使用YOLOv6训练自己的数据集,完成一个多目标检测实战项目,可检测图像和视频中的足球和梅西两个目标类别。
本课程分别在Windows和Ubuntu系统上做项目演示。包括:安装YOLOv6、标注自己的数据集、准备自己的数据集(自动划分训练集和验证集)、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。
本课程详细讲解Yolov3 Tiny算法模型的训练,量化,仿真以及在海思开发板上的部署。
主要内容包括:
1.课程介绍 2.darknet框架代码下载及其编译 3.基于无人零售商品数据集训练yolov3 tiny a)无人零售数据集介绍 b)配置文件data和cfg的介绍和修改 c)模型训练和较优模型的挑选 4)yolov3 tiny darknet模型转换成caffe model 5)wk模型生成及其仿真验证 a)3519av100 sdk010提供 b)模型的量化 c)仿真代码讲解及其运行 6)仿真检测结果框偏移现象及其纠正 7)量化模型在板载上运行
1.1w+
社区成员
1126.3w+
社区内容