YOLOv5 Lite下載YOLOv5 Lite源代碼下載

YOLOv5 Lite

Python

v5-Lite-v1.5

下載

Yolov5-Lite：更輕，更快，更易於部署

論文插圖

Perform a series of ablation experiments on yolov5 to make it lighter (smaller Flops, lower memory, and fewer parameters) and faster (add shuffle channel, yolov5 head for channel reduce. It can infer at least 10+ FPS On the Raspberry Pi 4B when input the frame with 320×320) and is easier to deploy (removing the Focus layer and four slice operations, reducing the model quantization accuracy to an acceptable 範圍）。

消融實驗的比較

ID	模型	input_size	拖鞋	參數	尺寸（m）	[email protected]	地圖@.5：0.95
001	YOLO-FARST	320×320	0.25克	0.35m	1.4	24.4	-
002	yolov5-lite _e^我們	320×320	0.73克	78m	1.7	35.1	-
003	Nanodet-M	320×320	0.72克	0.95m	1.8	-	20.6
004	YOLO-FASTEST-XL	320×320	0.72克	0.92m	3.5	34.3	-
005	Yolox _Nano	416×416	1.08克	0.91m	7.3（fp32）	-	25.8
006	yolov3小	416×416	6.96克	6.06m	23.0	33.1	16.6
007	yolov4小	416×416	5.62克	886萬	33.7	40.2	21.7
008	yolov5-lite _s^我們的	416×416	1.66克	164m	3.4	42.0	25.2
009	yolov5-lite _c^我們	512×512	5.92克	4.57萬	9.2	50.9	32.5
010	納米效率Lite2	512×512	7.12克	4.71m	18.3	-	32.6
011	yolov5s（6.0）	640×640	16.5g	723萬	14.0	56.0	37.2
012	yolov5-lite _g ^outs	640×640	15.6g	539m	10.9	57.6	39.1

請參閱Wiki：https：//github.com/ppogg/yolov5-lite/wiki/test-the-map-of-models-about-coco

在不同平台上進行比較

裝置	計算後端	系統	輸入	框架	v5lite-e	v5lite-s	V5lite-C	V5lite-g	yolov5s
間	@i5-10210u	窗口（x86）	640×640	Openvino	-	-	46ms	-	131ms
Nvidia	@RTX 2080TI	Linux（x86）	640×640	火炬	-	-	-	15ms	14ms
Redmi K30	@snapdragon 730g	Android（ARMV8）	320×320	NCNN	27ms	38ms	-	-	163ms
小米10	@snapdragon 865	Android（ARMV8）	320×320	NCNN	10ms	14ms	-	-	163ms
Raspberrypi 4b	@arm Cortex-A72	Linux（ARM64）	320×320	NCNN	-	84ms	-	-	371ms
Raspberrypi 4b	@arm Cortex-A72	Linux（ARM64）	320×320	MNN	-	71ms	-	-	356ms
Axera-pi	Cortex A7@CPU 3.6 tops @npu	Linux（ARM64）	640×640	axpi	-	-	-	22ms	22ms

Raspberry Pi 4b上的15FPS教程：

https://zhuanlan.zhihu.com/p/672633849

以上是4線程測試基準測試
RaspberryPi 4B啟用BF16S優化，RaspberryPi 64位OS

QQ交流群：993965802

入群答案：剪枝或蒸餾或量化或低秩分解（任意其一均可）

·模型動物園·

@v5lite-e：

模型	尺寸	骨幹	頭	框架	設計
v5lite-e.pt	17m	ShuffleNetV2（MEGVII）	v5litee頭	Pytorch	ARM-CPU
v5lite-e.bin v5lite-e.param	17m	ShuffLenetV2	v5litee頭	NCNN	ARM-CPU
v5lite-e-int8.bin v5lite-e-int8.param	0.9m	ShuffLenetV2	v5litee頭	NCNN	ARM-CPU
v5lite-e-fp32.mnn	3.0m	ShuffLenetV2	v5litee頭	MNN	ARM-CPU
v5lite-e-fp32.tnnmodel v5lite-e-fp32.tnnproto	29m	ShuffLenetV2	v5litee頭	TNN	ARM-CPU
v5lite-e-320.onnx	3.1m	ShuffLenetV2	v5litee頭	Onnxruntime	x86-cpu

@v5lite-S：

模型	尺寸	骨幹	頭	框架	設計
v5lite-s.pt	3.4m	ShuffleNetV2（MEGVII）	v5lites頭	Pytorch	ARM-CPU
v5lite-s.bin v5lite-s.param	3.3m	ShuffLenetV2	v5lites頭	NCNN	ARM-CPU
v5lite-s-int8.bin v5lite-s-int8.param	17m	ShuffLenetV2	v5lites頭	NCNN	ARM-CPU
v5lite-s.mnn	3.3m	ShuffLenetV2	v5lites頭	MNN	ARM-CPU
v5lite-s-int4.mnn	987k	ShuffLenetV2	v5lites頭	MNN	ARM-CPU
v5lite-s-fp16.bin v5lite-s-fp16.xml	3.4m	ShuffLenetV2	v5lites頭	OpenVivo	x86-cpu
v5lite-s-fp32.bin v5lite-s-fp32.xml	68m	ShuffLenetV2	v5lites頭	OpenVivo	x86-cpu
v5lite-s-fp16.tflite	3.3m	ShuffLenetV2	v5lites頭	tflite	ARM-CPU
v5lite-s-fp32.tflite	6.7m	ShuffLenetV2	v5lites頭	tflite	ARM-CPU
v5lite-s-int8.tflite	18m	ShuffLenetV2	v5lites頭	tflite	ARM-CPU
v5lite-S-416.Onnx	6.4m	ShuffLenetV2	v5lites頭	Onnxruntime	x86-cpu

@v5lite-c：

模型	尺寸	骨幹	頭	框架	設計
v5lite-c.pt	9m	pplcnet（百杜）	V5s頭	Pytorch	X86-CPU / X86-VPU
v5lite-c.bin v5lite-c.xml	87m	pplcnet	V5s頭	OpenVivo	X86-CPU / X86-VPU
V5lite-C-512.ONNX	18m	pplcnet	V5s頭	Onnxruntime	x86-cpu

@v5lite-G：

模型	尺寸	骨幹	頭	框架	設計
v5lite-g.pt	109m	repvgg（tsinghua）	v5liteg頭	Pytorch	X86-GPU / ARM-GPU / ARM-NPU
v5lite-g-int8.Engine	85m	repvgg-yolov5	v5liteg頭	張力	X86-GPU / ARM-GPU / ARM-NPU
v5lite-g-int8.tmfile	87m	repvgg-yolov5	v5liteg頭	tengine	ARM-NPU
v5lite-g-640.onnx	21m	repvgg-yolov5	Yolov5頭	Onnxruntime	x86-cpu
v5lite-g-640.關節	7.1m	repvgg-yolov5	Yolov5頭	axpi	ARM-NPU

下載鏈接：

v5lite-e.pt ：|百度驅動器| Google Drive |
|─────7NCNN ncnn-fp16 ：|百度驅動器| Google Drive |
| - ─— ncnn-int8 ：|百度驅動器| Google Drive |
| - ─—─ mnn-e_bf16 ：| Google Drive |
|─..phinn mnn-d_bf16 ：| | | | | | | Google Drive |
└└ onnx-fp32 ：|百度驅動器| Google Drive |
v5lite-s.pt ：|百度驅動器| Google Drive |
|─────7NCNN ncnn-fp16 ：|百度驅動器| Google Drive |
| - ─— ncnn-int8 ：|百度驅動器| Google Drive |
└前└└└-t tengine-fp32 ：|百度驅動器| Google Drive |
v5lite-c.pt ：百度驅動器| Google Drive |
└└前達基 - ─- openvino-fp16 ：|百度驅動器| Google Drive |
v5lite-g.pt ：|百度驅動器| Google Drive |
└ - axpi-int8 ：Google Drive |

百度驅動器密碼： pogg

V5lite-S模型：Tflite Float32，Float16，INT8，動態範圍量化，ONNX，TFJS，Tensorrt，OpenVino IR FP32/FP32/FP16，MYRIAD推斷Engin Blob，Coreml，Coreml

https://github.com/pinto0309/pinto_model_zoo/tree/main/main/180_yolov5-lite

感謝Pinto0309：https：//github.com/pinto0309/pinto_model_zoo/tree/main/main/main/180_yolov5-lite

如何使用

安裝

python> = 3.6.0都需要所有要求。 TXT安裝了包括pytorch> = 1.7 ：

$ git clone https://github.com/ppogg/YOLOv5-Lite
$ cd YOLOv5-Lite
$ pip install -r requirements.txt

用檢測。 Py推斷

detect.py在各種來源上運行推斷，從最新的yolov5-lite發行版自動下載模型，並保存結果來runs/detect 。

$ python detect.py --source 0  # webcam
                            file.jpg  # image 
                            file.mp4  # video
                            path/  # directory
                            path/ * .jpg  # glob
                            ' https://youtu.be/NUsoVlDFqZg '  # YouTube
                            ' rtsp://example.com/media.mp4 '  # RTSP, RTMP, HTTP stream

訓練

$ python train.py --data coco.yaml --cfg v5lite-e.yaml --weights v5lite-e.pt --batch-size 128
                                         v5lite-s.yaml           v5lite-s.pt              128
                                         v5lite-c.yaml           v5lite-c.pt               96
                                         v5lite-g.yaml           v5lite-g.pt               64

如果您使用多GPU。好幾次：

$ python -m torch.distributed.launch --nproc_per_node 2 train.py

數據集

訓練集和測試集分佈（（xx.jpg）的路徑

train: ../coco/images/train2017/
val: ../coco/images/val2017/

├── images            # xx.jpg example
│   ├── train2017        
│   │   ├── 000001.jpg
│   │   ├── 000002.jpg
│   │   └── 000003.jpg
│   └── val2017         
│       ├── 100001.jpg
│       ├── 100002.jpg
│       └── 100003.jpg
└── labels             # xx.txt example      
    ├── train2017       
    │   ├── 000001.txt
    │   ├── 000002.txt
    │   └── 000003.txt
    └── val2017         
        ├── 100001.txt
        ├── 100002.txt
        └── 100003.txt

Auto Labelimg

鏈接：https：//github.com/ppogg/autolabelimg

您可以使用基於labelimg的yolov5-5.0和yolov5-lite進行自動ambiubiubiu

模型中心

在這裡，Yolov5的原始組件和Yolov5-Lite的複制組件被組織並存儲在模型中心中：

ModelHub

熱圖分析

$ python main.py --type all

論文插圖2

更新...

如何部署

NCNN用於ARM-CPU

MNN用於ARM-CPU

OpenVino X86-CPU或X86-VPU

ARM-GPU或ARM-NPU或X86-GPU的Tensorrt（C ++）

用於ARM-GPU或ARM-NPU或X86-GPU的Tensorrt（Python）

Android用於ARM-CPU

android_demo

這是一款Redmi手機，處理器是Snapdragon 730G，並且使用Yolov5-Lite進行檢測。性能如下：

鏈接：https：//github.com/ppogg/yolov5-lite/tree/master/android_demo/ncnn-android-v5lite

android_v5lite-S：https：//drive.google.com/file/d/1ctohy68n2b9xyuqflitp-nd2kufwgaur/view?usp = sharing

android_v5lite-g：https：//drive.google.com/file/d/1fnvkwxxp_azwhi000xjiuhj_ohqoujcj/view？ usp = sharing

新的Android應用程序：[鏈接] https：//pan.baidu.com/s/1prhw4fi1jq8vbopyishciq [關鍵字] pogg

更詳細的解釋

詳細的模型鏈接：

什麼是yolov5-lite s/e模型：zhihu鏈接（中文）：https：//zhuanlan.zhihu.com/p/400545131

什麼是yolov5-lite c型號：zhihu link（中文）：https：//zhuanlan.zhihu.com/p/420737659

什麼是yolov5-lite g模型：zhihu link（中文）：https：//zhuanlan.zhihu.com/p/4108744403

如何使用fp16或int8在NCNN上部署：CSDN鏈接（中文）：https：//blog.csdn.net/weixin_45829462/article/deticle/details/1197878840

如何使用fp16或int8在MNN上部署：zhihu鏈接（中文）：https：//zhuanlan.zhihu.com/p/672633849

如何在OnnxRuntime上部署：Zhihu鏈接（中文）：https：//zhuanlan.zhihu.com/p/476533259（dold版本）

如何部署在Tensorrt：Zhihu Link（中文）：https：//zhuanlan.zhihu.com/p/478630138

如何優化張力：Zhihu鏈接（中文）：https：//zhuanlan.zhihu.com/p/463074494

參考

https://github.com/ultralytics/yolov5

https://github.com/megvii-model/shufflenet-series

https://github.com/tencent/ncnn

引用yolov5-lite

如果您在研究中使用Yolov5-Lite，請引用我們的工作並給明星：

 @misc{yolov5lite2021,
  title = {YOLOv5-Lite: Lighter, faster and easier to deploy},
  author = {Xiangrong Chen and Ziman Gong},
  doi = {10.5281/zenodo.5241425}
  year={2021}
}

展開

附加信息

版本 v5-Lite-v1.5
類型 Python
更新時間 2025-07-11
大小 10.44MB
來自於 Github

相關應用

Office Lite

2024-11-13
yolov5

2024-11-01
Light Lite軟體

2023-07-11
統一通訊精簡版

2023-06-04
QCMS 小

2012-03-10
實際分析儀精簡版

2009-04-29

爲您推薦

chat.petals.dev

其他源碼

1.0.0
GPT Prompt Templates

其他源碼

1.0.0
GPTyped

其他源碼

GPTyped 1.0.5
ToDo Co

Python

1.0.0
Python Portfolio

Python
Redash開源的資料圖表工具v24.10.0

Python

24.10.0
Google Dorks

其他源碼

1.0
shepherd

其他源碼

v6.1.6-react-shepherd: Prepare Release (#3063)
mongo express

其他源碼

v1.1.0-rc-3

相關資訊全部