NanoDet-Plus: 超快速轻量级无锚点目标检测模型

RayRay
NanoDet-Plus高准确率实时检测轻量级模型移动设备Github开源项目

NanoDet-Plus:超快速轻量级无锚点目标检测模型

NanoDet-Plus是一个超快速、高精度的轻量级无锚点目标检测模型,由RangiLyu开发并开源。它在保持高检测精度的同时,具有极小的模型体积和极快的推理速度,可以在移动设备上实现实时目标检测。

主要特点

NanoDet-Plus具有以下突出特点:

  • 超轻量级:模型文件仅980KB(INT8)或1.8MB(FP16)
  • 超快速:在移动ARM CPU上可达97FPS(10.23ms)
  • 高精度:在COCO数据集上可达34.3 mAP@0.5:0.95,同时保持实时性能
  • 训练友好:相比其他模型GPU显存占用更少,GTX1060 6G可支持batch size=80
  • 易于部署:支持ncnn、MNN、OpenVINO等多种后端,提供基于ncnn的Android demo

NanoDet-Plus架构图

技术原理

NanoDet是一种FCOS风格的单阶段无锚点目标检测模型,使用广义焦点损失(Generalized Focal Loss)作为分类和回归损失。

在NanoDet-Plus中,作者提出了一种新的标签分配策略,包含一个简单的分配指导模块(AGM)和一个动态软标签分配器(DSLA),用于解决轻量级模型训练中的最优标签分配问题。此外还引入了一种轻量级特征金字塔Ghost-PAN来增强多层特征融合。这些改进使NanoDet的检测精度在COCO数据集上提高了7个mAP。

性能对比

下表对比了NanoDet-Plus与其他目标检测模型在COCO数据集上的性能:

模型分辨率mAPCPU延迟ARM延迟FLOPS参数量模型大小
NanoDet-Plus-m320*32027.05.25ms11.97ms0.9G1.17M2.3MB(FP16) / 1.2MB(INT8)
NanoDet-Plus-m416*41630.48.32ms19.77ms1.52G1.17M2.3MB(FP16) / 1.2MB(INT8)
YOLOv4-Tiny416*41621.7-32.81ms6.96G6.06M23.0MB
YOLOX-Nano416*41625.8-23.08ms1.08G0.91M1.8MB(FP16)

可以看到,NanoDet-Plus在保持较高精度的同时,具有更小的模型体积和更快的推理速度。

部署示例

NanoDet提供了多种部署方式的示例:

  1. Android demo

Android demo

Android demo项目位于demo_android_ncnn文件夹中。

  1. NCNN C++示例

基于ncnn的C++示例位于demo_ncnn文件夹中。

  1. MNN示例

使用阿里巴巴MNN框架的推理示例位于demo_mnn文件夹中。

  1. OpenVINO示例

使用Intel OpenVINO的推理示例位于demo_openvino文件夹中。

  1. Web浏览器示例

可以在这里体验基于WebAssembly的在线demo。

  1. PyTorch示例

项目还提供了基于PyTorch的推理示例,可以用于快速验证模型效果。

如何使用

  1. 安装依赖

NanoDet需要以下环境:

  • Linux或MacOS
  • CUDA >= 10.2
  • Python >= 3.7
  • PyTorch >= 1.10.0, <2.0.0
  1. 克隆代码并安装
git clone https://github.com/RangiLyu/nanodet.git cd nanodet pip install -r requirements.txt
  1. 准备数据集

NanoDet支持COCO、Pascal VOC和YOLO格式的数据集。

  1. 修改配置文件

在config文件夹中复制并修改示例配置文件,设置数据路径、模型参数等。

  1. 开始训练
python tools/train.py CONFIG_FILE_PATH
  1. 导出模型并部署

训练完成后,可以将模型导出为ONNX格式,然后转换为各种推理框架支持的格式进行部署。

总结

NanoDet-Plus作为一个超快速、高精度的轻量级目标检测模型,在移动端和嵌入式设备上具有广阔的应用前景。它的开源不仅为研究人员提供了宝贵的学习资源,也为工业界提供了一个实用的目标检测解决方案。未来,随着移动设备算力的不断提升,相信会有更多基于NanoDet的创新应用出现。

如果您的项目中使用了NanoDet,不要忘记引用原作者的工作:

@misc{nanodet,
    title={NanoDet-Plus: Super fast and high accuracy lightweight anchor-free object detection model.},
    author={RangiLyu},
    howpublished = {\url{https://github.com/RangiLyu/nanodet}},
    year={2021}
}

NanoDet的成功离不开开源社区的贡献,在此也要感谢ncnn、mmdetection等优秀的开源项目为NanoDet的开发提供了重要支持。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多