[资料]

在Arm虚拟硬件上部署PP-PicoDet模型

2022-9-16 14:42:09 2969 ARM处理器 MAP Cortex-M

0 1、在Arm虚拟硬件上部署PP-PicoDet模型　　经典的深度学习工程是从确认任务目标开始的，我们首先来简单地介绍一下目标检测任务以及本期部署实战课程中我们所使用的工具和平台。　　目标检测任务　　目标检测任务就是将图片或视频中所有目标的类别识别出来，并在该目标周围绘制边界框，标示出每个目标的位置。常见的目标检测任务包括人物检测、人脸检测、车辆跟踪等方向，在工业、智慧城市、安防、交通、零售、医疗等十余种行业场景中应用广泛。　　PP-PicoDet 　　PaddleDetection中提出了全新的轻量级系列模型PP-PicoDet，在移动端具有卓越的性能，成为全新的SOTA轻量级模型。PP-PicoDet模型通过创新SOTA模块，例如ESNet、CSP-PAN、SimOTA等，不仅第一个实现了在1M参数量之内mAP（0.5:0.95）超越30+（输入416像素时），而且其性能优于同类算法模型。原作者：AaronBean· 0 AVH动手实践 (三) 在Arm虚拟硬件上部署PP-PicoDet模型.pdf 986.25 KB , 下载次数: 1
举报淘帖0 只看该作者最近下载过的用户(1) 相关推荐 • AI模型部署边缘设备的奇妙之旅：目标检测模型 175 • 基于stm32h743IIK在cubeai上部署keras模型，模型输出结果都是同一组概率数组，为什么？ 388 • Arm虚拟硬件用户指南 261 • 如何使用TensorFlow将神经网络模型部署到移动或嵌入式设备上 364 • 如何在MIMXRT1064评估套件上部署tflite模型？ 270 • 部署基于嵌入的机器学习模型 2949 • 在Arm虚拟硬件上部署PP-PicoDet模型的设计方案 3830 • 如何用Arm虚拟硬件在Arm Cortex-M上部署PaddlePaddle 2682 • 介绍在STM32cubeIDE上部署AI模型的系列教程 2715 • 如何在esp8266 Node MCU的硬件上部署LVGL 2090