Yolo-FastestV2:更快,更轻,移动端可达300FPS,参数量仅250k

发布网友发布时间：2024-10-06 16:53

共1个回答

热心网友时间：2024-12-04 18:40

聚焦于速度与效率，Yolo-FastestV2以令人惊喜的速度跃升至顶尖行列，其在移动端的性能达到了惊人的300FPS，同时，参数量仅250k，这无疑在速度与轻量化之间找到了完美的平衡。

初探Yolo-Fastest的愿景，其目标是为轻量化目标检测提供新解，早期轻量化解决方案如Mobilenet-SSD虽在部分设备上展现出不俗的性能，但其在ARM设备上的实时性受限，尤其是在性能要求严格的工业级应用中，如RK3399等设备上，实现实时推理极为艰难。Mobilenet对Yolov3的轻量化优化虽在高端手机如Kirin 990上实现了约55fps的性能，却难以在低端手机CPU以及RK3399等设备上满足实时需求。

在实际应用中，考虑功耗与系统资源占用，多核全开推理模型并不符合实际场景。因此，Yolo-FastestV2着重优化单核推理性能，同时保持低CPU占用率，确保在多种嵌入式设备（如手机、RK3399、树莓派4、多种Cortex-A53低成本设备）上实现一定实时性，适应了更广泛的应用场景。

本次改进的核心在于更换backbone为shufflenetV2，优化内存访问，减轻计算负担。同时，借鉴YOLOV5的Anchor匹配机制与YoloX的检测头解耦技术，实现检测框、前景背景分类与检测类别分类的独立处理，提升推理效率。检测类别分类从sigmoid调整至softmax，进一步优化模型表现。

对比其他模型，如YOLOX和nanoDet，Yolo-FastestV2在精度上可能有所妥协，但其速度优势显著，特别是在移动端。体积仅1.3M的PP-YOLO Tiny与Yolo-FastestV2相比，在int8量化后，体积虽然稍逊一筹，但Yolo-FastestV2的int8版本仅250kb，性能上仍有明显优势。

结合RK3399与树莓派4，搭配ncnn与bf16s，Yolo-FastestV2展现出实时处理的强大能力。最终的实测效果展示了其在速度、效率与轻量化之间的卓越表现，使得模型成为多场景应用的理想选择。