YOLO
功能介绍
YOLO目标检测算法示例使用图片作为输入,利用BPU进行算法推理,发布包含目标类别和检测框的算法msg。目前支持YOLOv2、YOLOv3、Ultralytics YOLOv5、YOLOv5x、Ultralytics YOLOv8、YOLOv10、Ultralytics YOLO11、YOLO12 等版本。
由于YOLOv8后的YOLO均基于Ultralytics算法框架,所以使用YOLOv8的Parser即可,相关bin模型可前往GitHub⭐️:RDK_Model_Zoo获取。
模型使用COCO数据集进行训练,支持的目标检测类型包括人、动物、水果、交通工具等共80种类型。
也可以使用Ultralytics软件包来进行自定义数据集的训练. (https://docs.ultralytics.com/zh/modes/train)
代码仓库: (https://github.com/D-Robotics/hobot_dnn)
应用场景:YOLO系列作为单阶段目标检测中的代表算法,具有速度快,泛化性好的优点,可实现垃圾识别、车辆检测等功能,主要应用于自动驾驶、智能家居等领域。
车辆检测案例: (https://github.com/JunshengFu/vehicle-detection)
摔倒检测案例: (https://github.com/xiaobin1231/Fall-Detection-By-YOLOV3-and-LiteFlowNet)