本文主要是介绍轻量级目标检测模型实战——杂草检测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
在前面我写过一篇目标检测自己做实验的记录性也是入门的一篇文章,如下:
Yolov3目标检测实战【实现图像中随机出现手写数字的检测】
感兴趣的话可以去看看。
当时主要是基于YOLOv3进行的实验,因为YOLOv3本身的体积是非常大的,如果想要运行在一些计算能力比较弱的边缘端设备上面的话就会显得很吃力,计算能力和效率都会比较低下,所以在考虑边缘端部署问题的时候我们往往都会优先选取使用一些更加轻量级的模型来进行模型的构建和训练,这里我指的轻量级其实还是比较宽泛的定义,截止到目前为止,已经实验了多种轻量级的模型了我会把这些实践记录整理成一个系列的文章来进行介绍。
因为Yolov3太过于知名,本来想在这里放一些参考学习的链接,后来想还是算了,因为随手一搜,CSDN就会给你一堆优秀的讲解文章,从环境部署到训练模型落地等等,这里简单把作者网站给出来,在这里。一些简单内容截图如下所示:
这篇关于轻量级目标检测模型实战——杂草检测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!