Luxonis DepthAI 上的 YOLO 模型实现实时目标检测
最后更新
YOLO 模型简介

在 DepthAI 上开始使用 YOLO
YOLO 集成概述
- YoloDetectionNetwork:使用 YOLO 模型进行标准目标检测。
- YoloSpatialDetectionNetwork:将目标检测与空间数据(即深度信息)相结合,实现 3D 目标定位。
示例实现
- RGB 和 Tiny YOLO:演示如何使用 Tiny YOLO 模型进行目标检测。
- 带空间数据的 RGB 和 Tiny YOLO:展示如何使用 Spatial Tiny YOLO 进行带深度信息的目标检测。
- RGB 和 YOLOv8 Nano:说明如何在资源受限的环境中使用轻量级 YOLOv8 Nano 模型进行高性能检测。
使用 DepthAI 进行 YOLO 实验
device-decoding:使用 YOLOv3、YOLOv3-tiny、YOLOv4、YOLOv4-tiny 和 YOLOv5 进行通用目标检测,采用设备端解码。使用 DepthAI-API。car-detection:使用 YOLOv3-tiny 和 YOLOv4-tiny 模型进行汽车检测,采用设备端解码。使用 DepthAI-SDK。host-decoding:使用 YOLOv5 进行目标检测,采用主机端解码。yolox:使用 YOLOX-tiny 进行无锚点目标检测,采用主机端解码。yolop:在 OAK 上使用 YOLOP 进行车辆检测、道路分割和车道分割,采用主机端解码。
训练和自定义
- 训练指南:提供使用您的数据集训练 YOLO 模型的逐步说明。
- 模型动物园:访问预训练 YOLO 模型的集合,您可以直接使用它们,或将其作为进一步训练的起点。
使用 tools.luxonis.com 进行模型转换
.pt 文件)转换为 OpenVINO 格式特别有用,然后可以将其转换为 DepthAI .blob 文件。许可证
- YOLOv3:根据 YOLOv3 许可证发布。
- YOLOv4:根据 YOLOv4 许可证发布。
- YOLOv5:由 Ultralytics 根据 YOLOv5 许可证(GNU Affero General Public License v3.0)发布。
- YOLOv6:根据 YOLOv6 许可证(GNU General Public License v3.0)发布。
- YOLOv7:根据 YOLOv7 许可证(GNU General Public License v3.0)发布。
- YOLOv8:由 Ultralytics 根据 YOLOv8 许可证(GNU Affero General Public License v3.0)发布。
- YOLOX:根据 YOLOX 许可证(Apache License v2.0)发布。
- YOLOP:根据 YOLOP 许可证(MIT 许可证)发布。
- GoldYOLO:根据 GoldYOLO 许可证(GNU General Public License v3.0)发布。