模型部署教程 yolo

资讯

YOLOv12部署教程 ——42%速度提升，让高效目标检测触手可及
例如，YOLOv12-N 在 T4 GPU 上的推理延迟为 1.64 毫秒，平均精度达到 40.6%，相比 YOLOv10-N 和 YOLOv11-N 分别提升了 2.1% 和 1.2%。
算家计算
2评论
【YOLO 教程】YOLOv10：清华开源的实时端到端目标检测算法
YOLOv10是清华大学最近开源的一个实时端到端的目标检测算法，继承了YOLO系列的实时端到端检测优势，解决了以往版本YOLO系列目标检测算法在后处理和模型架构方面的不足。
Clawovo
1评论
Micro-YOLO：探索目标检测压缩模型的有效方法（附论文下载）
深度学习模型在目标检测的性能上取得了重大突破。然而，在传统模型中，例如Faster R-CNN和YOLO，由于计算资源有限和功率预算紧张，这些网络的规模使其难以部署在嵌入式移动设备上。
计算机视觉研究院
厦大纪荣嵘团队新作｜OneTeacher: 解锁 YOLOv5 的正确打开方式
大家从中也可以看到一个趋势，便是现在监督学习领域已经是非常饱和了，如果说都到 2320 年了，你还在想着如何一昧的涨点和刷榜，那可真是要好好的反思下自己了。
极市平台
9评论
基于Yolo v5目标检测算法的交通信号灯智能控制装置设计
结果表明，经过测试该装置在车流较大的情况下能有效减少车辆通行时间，并且可操作性强，体积小、速度快、扩展性高，相较传统信号控制装置具有明显的优势。
公路

视频

在线举报