PP-YOLO系列，均是基于百度自研PaddlePaddle深度学习框架发布的算法，2020年基于YOLOv3改进发布PP-YOLO，2021年发布PP-YOLOv2和移动端检测算法PP-PicoDet，2022年发布PP-YOLOE和PP-YOLOE-R。由于均是一个系列，所以放一起解读，方便对比前后改进地方。 PP-YOLO系列算法解读： PP-YOLO算法解读PP-YOLOv2

使用Paddle-Lite在 Android 上运行PicoDet模型（fp16） 1. 环境准备2. 部署步骤2.1 下载Paddle-Lite-Demo2.2 打开 picodet_detection_demo项目2.2.1 修改build.gradle，配置国内镜像仓库2.2.2 NDK 配置错误问题2.2.3 gradle.properties文件配置2.2.4 NDK版本选择 2.

基于EdgeBoard飞浆开发套件和PicoDet部署夜间场景检测模型 在夜间微弱的灯光下，摄像头拍摄的画质非常差，基于夜间场景的识别模型训练有助于夜间安防。本项目基于ExDark数据集、PicoDet、EdgeBoard飞桨开发套件和PyQt5进行夜间场景特定物品检测模型的训练和部署。 材料准备 ExDark数据集Aistudio在线运行环境EdgeBoard飞桨开发套件（一个板子，可以用

★★★ 本文源自AlStudio社区精品项目，【点击此处】查看更多精品内容 >>> 1 项目说明 随着科技的发展，各种即时通讯早已是人类日常生活不可分割的一部分，而这一便捷服务的实现离不开各种通信塔。通信塔主要用于运营商、广播电视等部门架设信号发射天线或微波传输设备，对通信塔及时正确的维护是保障无线通信系统正常运行的必要手段。 在真实产业应用过程中，通信塔的外观会根据所处地貌、环境特点被设计

1 拷贝PaddleDetection https://gitee.com/paddlepaddle/PaddleDetection.git 2 安装依赖 pip install -r requirements.txt 3 Vott制作自己的数据，导出VOC格式  4 修改配置文件 configs/picodet/picodet_s_320_coco_lcnet.yml  _