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

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

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。

下拉加载更多