上一篇“使用ncnn在树莓派4B上部署nanoDet-m网络(12fps) - part 1”介绍了使用ncnn在树莓派上部署nanoDet网络的效果、性能、功耗以及所需软件的安装,下面的part 2主要介绍的是代码部分的编写,以及int8量化模型的效果、性能和功耗数据。(下面标题的序号延续自part 1)。 6. 推理通路代码 执行git clone https://github.com/b
title: “使用ncnn在树莓派4B上部署nanoDet-m网络(12fps)”date: 2023-03-05permalink: /posts/2023/03/blog-post-1/tags: nanoDet 树莓派 模型部署与落地 1. 背景 在机器人的应用中,目标检测是一个重要的课题。深度学习的快速发展,在检测的效果方面对比大多数传统检测算法,都有明显的优势
博客
泡泡
积分
勋章
使用ncnn在树莓派4B上部署nanoDet-m网络(12fps) - part 2
使用ncnn在树莓派4B上部署nanoDet-m网络(12fps) - part 1
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信