EdgeYOLO：边缘设备上实时运行的目标检测器及Pytorch实现

文章预览

关注并星标 从此不迷路 计算机视觉研究院 公众号ID ｜ ComputerVisionGzq 学习群 ｜ 扫码在主页获取加入方式 代码地址： https://github.com/LSH9832/edgeyolo 计算机视觉研究院专栏 今天分享的研究者提出了一种基于最先进的YOLO框架的高效、低复杂度和无锚的目标检测器，该检测器可以在 边缘计算平台上实时实现 。 01 概述 研究者开发了一种增强的数据增强方法来有效抑制训练过程中的过拟合，并设计了一种混合随机损失函数来提高小目标的检测精度。受FCOS的启发，提出了一种更轻、更高效的解耦头，可以在不损失精度的情况下提高推理速度。提出的基线模型在MS COCO2017数据集中可以达到50.6%的AP 50:95 和69.8%的AP 50 准确度，在VisDrone2019 DET数据集可以达到26.4%的AP 50:95 和44.8%的AP 50 准确度，并且它满足边缘计算设备Nvidia Jetson AGX Xavier的实时性要求（FPS≥30）。 02 ………………………………