scaledyolov4

ScaledYOLOv4准备部署模型

• ScaledYOLOv4部署实现来自ScaledYOLOv4的代码，和基于COCO的预训练模型。

  • （1）官方库提供的*.pt通过导出ONNX模型操作后，可进行部署；
  • （2）自己数据训练的ScaledYOLOv4模型，按照导出ONNX模型操作后，参考详细部署文档完成部署。

导出ONNX模型

访问ScaledYOLOv4官方github库，按照指引下载安装，下载scaledyolov4.pt 模型，利用 models/export.py 得到onnx格式文件。如果您导出的onnx模型出现问题，可以参考ScaledYOLOv4#401的解决办法

#下载ScaledYOLOv4模型文件
Download from the goole drive https://drive.google.com/file/d/1aXZZE999sHMP1gev60XhNChtHPRMH3Fz/view?usp=sharing

# 导出onnx格式文件
python models/export.py  --weights PATH/TO/scaledyolov4-xx.pt --img-size 640

下载预训练ONNX模型

为了方便开发者的测试，下面提供了ScaledYOLOv4导出的各系列模型，开发者可直接下载使用。（下表中模型的精度来源于源官方库）

模型	大小	精度
ScaledYOLOv4-P5-896	271MB	51.2%
ScaledYOLOv4-P5+BoF-896	271MB	51.7%
ScaledYOLOv4-P6-1280	487MB	53.9%
ScaledYOLOv4-P6+BoF-1280	487MB	54.4%
ScaledYOLOv4-P7-1536	1.1GB	55.0%
ScaledYOLOv4-P5	271MB	-
ScaledYOLOv4-P5+BoF	271MB	-
ScaledYOLOv4-P6	487MB	-
ScaledYOLOv4-P6+BoF	487MB	-
ScaledYOLOv4-P7	1.1GB	-

详细部署文档

• Python部署
• C++部署

版本说明

• 本版本文档和代码基于ScaledYOLOv4 CommitID: 6768003 编写