计算机视觉系列 -MMDetection 之MobileNetV2YOLOV3 经典算法（一）

最新推荐文章于 2024-10-10 08:46:37 发布
最新推荐文章于 2024-10-10 08:46:37 发布
阅读量865 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 人工智能计算机视觉 文章标签： MMDetection
热烈祝贺Gavin大咖2024年北京航空航天大学两本新书《Transformer&ChatGPT解密：原理、源码及案例》、《Transformer& Rasa 解密: 原理、源码及案例》出版发行
本文链接：https://blog.csdn.net/duan_zhihua/article/details/126574521
本文介绍了MMDetection框架中MobileNetV2结合YOLOV3的经典算法，详细解析了配置文件的修改，包括输入尺寸、anchor设置、neck和head的通道数调整，以及训练参数的优化。通过减少模型计算量和参数量，实现性能与效率的平衡。同时，分享了MobileNetV2-YOLOV3在不同尺寸下的精度表现，并链接了相关学习笔记资源，涵盖MMDetection的整体构建流程和更多计算机视觉算法的深入学习。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

计算机视觉系列 -MMDetection 之MobileNetV2YOLOV3 经典算法（一）

YOLO 是工业界应用非常广泛的算法， MMDetection 提供了 MobileNetV2-YOLOV3 的配置文件和预训练模型

yolov3_mobilenetv2 配置文件

mmdetection-2.25.0/configs/yolo/yolov3_mobilenetv2_mstrain-416_300e_coco.py

_base_ = '../_base_/default_runtime.py'
# model settings
model = dict(
    type='YOLOV3',
    backbone
了解本专栏 订阅专栏 解锁全文 超级会员免费看
计算机视觉系列-YOLOX 在 MMDetection 中复现全流程解析（五）
大模型与Agent智能体
07-29 1232
计算机视觉系列-YOLOX 在 MMDetection 中复现全流程解析（五） # YoloX 简介 论文：YOLOX: Exceeding YOLO Series in 2021 论文链接：[https://arxiv.org/abs/2107.08430](https://arxiv.org/abs/2107.08430)
MobileNetV2-YoloV3
jacke121的专栏
07-24 8624
无预训练： https://github.com/thancaocuong/MobileNetV2-YoloV3
yolov3+mobilenet+darknet
03-11
github中的带mobilenet的darknet框架都是基于yolov2,不能使用yolov3模型，这是根据yolov3改的
探索极致轻量级目标检测：MobileNetV2-YOLOv3
最新发布
gitblog_00829的博客
10-10 1188
探索极致轻量级目标检测：MobileNetV2-YOLOv3 项目介绍 MobileNetV2-YOLOv3 是一个专为移动设备设计的高效目标检测框架。该项目基于MobileNetV2架构，结合YOLOv3算法，旨在提供轻量级且高性能的目标检测解决方案。尽管该项目已于2021年2月6日停止更新，但其核心思想和实现仍然具有很高的参考价值。新项目地址为 Yolo-Fastest，这是一个更快更强的目标...
mmdetection训练自己的数据_目标检测 | YOLOv3训练自己的数据全流程
weixin_39638647的博客
11-23 2042
1.构建YOLOv3网络的cfg文件该文件表示的是你的检测网络的结构，类似caffe的prototxt文件。YOLOv3的cfg文件上篇介绍YOLOv3网络中提到的去掉上采样操作的YOLOv3cfg文件2.准备hs.data文件如下文件中规定了当前目标检测网络中的类别数量为4。训练数据的路径train.txt的位置，hs.names的路径的位置，以及最终训练得到的网络模型保存的位置。classes...
Yolov8-pose关键点检测：backbone改进 | 轻量化之王MobileNetV4 开源 | Top-1 精度 87%，手机推理速度 3.8ms，原地起飞！
①答疑群聊服务；②YOLO大模型知识问答系统；③计算机视觉论文生成智能体；
06-14 731
轻量化之王MobileNetV4 开源 | Top-1 精度 87%，手机推理速度 3.8ms，原地起飞！
【YOLO改进】换遍MMDET主干网络之MobileNetv2（基于MMYOLO）
Vlone_pp的博客
05-09 1099
OpenMMLab 2.0 体系中 MMYOLO、MMDetection、MMClassification、MMSelfsup 中的模型注册表都继承自 MMEngine 中的根注册表，允许这些 OpenMMLab 开源库直接使用彼此已经实现的模块。MobileNetV2是一种专为移动和嵌入式视觉应用设计的轻量化网络结构。它在MobileNetV1的基础上引入了两个主要的创新点：反转残差结构（Inverted Residuals）和线性瓶颈层（Linear Bottlenecks）。
《YOLOv8改进实战专栏》专栏介绍 & 专栏目录 《提供 YOLOv8-Magic 私域代码框架/本人7次贡献过YOLOv8官方项目》
热门推荐
YOLOv8项目贡献者
06-30 8万+
《YOLOv8改进实战专栏》🏅🏅🏅专栏介绍 & 专栏目录
主干网络篇 | 使用 Timm 库替换 YOLOv8 主干网络 | 1000+ 主干融合YOLOv8
YOLOv8项目贡献者
12-13 7085
YOLOv8 替换1000+ 主干网络！！！🚀🚀🚀
yolov3实战 超简单上手 飞机与油桶数据集之替换bottlenet 为Mobilenetv2，顺便补充相关loss func
kui9702的博客
03-23 1823
mobilenet v2 keras实现 from keras import backend, Input, Model from keras.layers import Conv2D, BatchNormalization, Activation, ZeroPadding2D, DepthwiseConv2D, Add # relu6 relu6与relu的区别是relu6在relu的基础上增加了最大值抑制 即经过激活函数函数relu，最大值为6 def relu6(x): return b.
MobileNetv2-YOLOv3-SPP检测网络的暗网实现-C/C++开发
05-27
MobileNetV2-YOLOv3-Nano的暗网实现：移动终端设计的检测网络0.8BFlops！华为P40 6ms ！！！ MobileNetv2-YOLOv3-SPP暗网MobileNetv2-YOLOv3-SPP检测网络的暗网实现网络VOC mAP（0.5）解析推断时间（GTX2080ti）FLOPS权重大小MobileNetV2-YOLOv3-SPP 71.7 416 5ms 5.5BFlops 14.2 * emmmm ...这个懒得训练，mAP就凑合这样吧 在GTX1080ti上，MobileNetV2-YOLOv3-SPP的推理时间为100毫秒，而RTX2080的推理时间为5毫秒！！！ 移动推理框架基准测试（4 * AR
mobilenetv3-yolov3 训练模型
05-11
https://github.com/tanluren/mobilenetv3-yolov3 上的预训练模型，20分类，要class相同才能用
MobileNet-Yolo：MobileNetV2-YoloV3-Nano：0.5BFlops 3MB华为P40：6msimg，YoloFace-500k：0.1Bflops 420KB
02-05
Yolo-Fastest：更快更强大 此表中NCNN基准未更新最新ARM82数据，最新版本NCNN理论上ARM82会有一倍速度提升，待更新... 添加基于ncnn的106关键点C示例： : ***在某些GPU（例如NVIDIA PASCAL）上并没有很好地支持Darknet Group卷积！ 针对某些Pascalscal例如1080ti在darknet上训练失败/训练异常缓慢/推理速度异常的可以采用Pytorch版yolo3框架训练/推理 MobileNetV2-YOLOv3-Lite＆Nano Darknet 移动推理框架基准测试（4 * ARM_CPU） 网络 挥发性有机化合物含
mobilenetv3-yolov3 预训练模型 4 class
05-11
https://github.com/tanluren/mobilenetv3-yolov3 的训练模型，large版的，4class
Python-使用ssdmobilenet和tinyyolo进行对象检测添加YOLOV3支持
08-11
使用ssd_mobilenet和tiny-yolo进行对象检测（添加：YOLOV3支持）
mmdetection训练自己的数据_如何用自己的数据训练YOLOv3目标检测器
weixin_39574050的博客
11-21 1172
1.引言YOLO自诞生以来，每个版本都会引起学术界和工业界的极大关注。在工业界，即使精度稍差，YOLO往往也会比一些Two-Stage的目标检测器更受青睐，因为它是真的很快，完全能满足实时性的应用要求。YOLO最新的版本是YOLOv3，主要改进是提升了小目标检测的效果。YOLOv3官方的权重是在COCO数据集上训练的，总共有80类目标，但是在实际应用中，我们往往需要检测特定的目标。比如在...
【在mmdetection中，利用YOLOv3训练、测试自己的数据集——voc格式转换为coco格式】
weixin_46600060的博客
02-20 3969
在mmdetection中，利用YOLOv3训练、测试自己的数据集——voc格式转换为coco格式 ----voc格式的数据集转换为coco格式数据集
trick2-mobilenetv1、mobilenetv2、mobilenetv3替换YOLO主干
qq_45825952的博客
11-11 4326
完成了主干的修改和PAnet的修改，主干部分就是将yolo主干替换成mobilenet，PAnet部分是利用mobilenetv1的思想，利用深度可分离卷积3x3卷积＋1x1卷积替换普通的卷积块。根据这个思想可以进一步减少yolo的参数。
mobilenetv2-yolov3修改backbon的多尺度
weixin_42078490的博客
09-03 638
原始mobilenetv2-yolov3的out_indices=[2,4,6] neck=dict( type='YOLOV3Neck', num_scales=3, in_channels=[320, 96, 32], out_channels=[96, 96, 96]), bbox_head=dict( type='YOLOV3Head', num_classes=3, in_c
移动端优化的YOLO模型：MobileNetV2-YOLOv3高效轻量级部署
2. **MobileNetV2-YoloV3-Nano**：这是进一步将YOLOV3模型精简为nano版本，针对轻量化部署，能够运行在具有更低计算能力的设备上，如一些中低端智能手机和嵌入式系统。 3. **BFlops** 和 **MB**：这两个缩写分别...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

大模型与Agent智能体

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值