完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
1、ART-PI嵌入式人形检测设计实现 硬件平台 ART-Pi, 50M FLOPS。 我的模型(删减后的模型)最终部署在板子上是推理时间是56ms,不包括数据处理时间。 $ pip install -r requirements.txt $ python inference_yolo-s.py 原因:目前了解的全网最轻量级的目标检测网络,没有之一 当然,Yolo Fastest 最小的模型也有 0.23 Bflops,想要在 ART-Pi 上顺利的跑起来,肉眼可见的丝滑程度,我是在做梦。。。 这时候有两个办法: 换一块板子,换一块算力更大的板子。 将模型改的小一点,能够在 ART-PI 上丝滑的跑起来。 这里我选择的是后者。 我改动的很简单,去掉特征金字塔输出,只保留一个输出,保证对大物体检测友好即可。同时删减网络结构。原来是109层,我是20+层网络结构。 纠正一个思想误区,由于一些很神奇的存在,网络并不是越深,FLOPS 就会越大,比如 DSCNN。 第二个参考项目的意义是在于:将模型转变为 tflite 可食用模型 原作者:lebhoryi
|
|
|
|
AI模型部署边缘设备的奇妙之旅:边缘端设备的局域网视频流传输方案
1379 浏览 0 评论
1437 浏览 0 评论
AI模型部署边缘设备的奇妙之旅:如何在边缘端部署OpenCV
6496 浏览 0 评论
tms320280021 adc采样波形,为什么adc采样频率上来波形就不好了?
1837 浏览 0 评论
3028 浏览 0 评论
77284 浏览 21 评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2025-1-14 08:43 , Processed in 0.696746 second(s), Total 65, Slave 46 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (威廉希尔官方网站 图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191 工商网监 湘ICP备2023018690号