#257 · 主分类: 计算机视觉
DAMO-YOLO
DAMO-YOLO:一种快速准确的物体检测方法,采用了一些新技术,包括NAS骨干网络、高效的RepGFPN、ZeroHead、AlignedOTA和蒸馏增强。
项目最后更新:05/25/24
GitHub Stars
3.2K
Forks数量
407
贡献者数量
11
许可证
Apache-2.0
收录理由
DAMO-YOLO 出自阿里巴巴达摩院团队,是 YOLO 系列中的一款目标检测器,专为图像和视频的实时检测而设计。它把神经架构搜索得到的骨干网络与轻量化的特征融合模块和检测头搭配起来,在不明显抬高推理延迟的前提下维持较高的精度。仓库提供了多种尺寸的模型,其中 Nano 系列在普通 Intel CPU 上就能跑出实时速度,你可以根据手头硬件的算力来权衡检测速度与准确率。同时,项目覆盖了从自定义数据集训练到 ONNX、TensorRT 部署的完整链路,并附有预训练权重、微调教程和量化指南,方便快速上手。如果你正在为生产环境对比检测框架,这个项目值得拿你自己的数据来实测一下。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。