基于YOLO的手部检测和计数实现(课程设计,训练测试+模型剪枝+模型压缩)

Posted 踟蹰横渡口,彳亍上滩舟。

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了基于YOLO的手部检测和计数实现(课程设计,训练测试+模型剪枝+模型压缩)相关的知识,希望对你有一定的参考价值。

用 YOLOv3 模型在一个开源的人手检测数据集上做人手检测,并在此基础上做模型剪枝。对于该数据集,对 YOLOv3 进行 channel pruning 之后,模型的参数量、模型大小减少 80% ,FLOPs 降低 70%,前向推断的速度可以达到原来的 200%,同时可以保持 mAP 基本不变。
代码下载地址:下载地址

参数数量 模型体积 Flops 前向推断耗时(2070 TI) mAP
Baseline (416) 61.5M 246.4MB 32.8B 15.0 ms 0.7692

以上是关于基于YOLO的手部检测和计数实现(课程设计,训练测试+模型剪枝+模型压缩)的主要内容,如果未能解决你的问题,请参考以下文章

Android实现手部检测和手势识别(含训练代码+Android源码+手势识别数据集)

Android手部检测和手势识别(含训练代码+Android源码+手势识别数据集)

Android手部检测和手势识别(含训练代码+Android源码+手势识别数据集)

基于yolov5和deepsort的行人车辆的检测跟踪和计数(课程设计)

camera基于YOLO的车辆多维特征识别系统(车色,车品牌,车标,车型)与PYQT实现(课程设计)

yolo物体检测算法如何进行迁移学习?