yolox移植Android yolov3移植到stm32上

yolo算法是什么?

1、YOLO 是一种使用神经网络提供实时对象检测的算法。该算法因其速度和准确性而广受欢迎。它已在各种应用中用于检测交通信号、人员、停车计时器和动物。YOLO 是“You Only Look Once”一词的缩写。

成都创新互联主要从事做网站、成都网站设计、网页设计、企业做网站、公司建网站等业务。立足成都服务云城,十载网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18982081108

2、YOLO是一种流行的物体检测算法，全称为You Only Look Once。YOLO（You Only Look Once）是一种流行的物体检测算法，它被广泛应用于图像和视频处理领域。

3、Yolo是一种目标检测算法。YOLO将对象检测重新定义为一个回归问题。它将单个卷积神经网络（CNN)应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。例如，以一个100x100的图像为例。我们把它分成网格，比如7x7。

NCNN模型部署Android?

Yolo-Fastest， darknet模型约3M。yoloV5n，onnx模型约2M。nanodet，ncnn模型约8M。

将训练好的模型转换，优化形成配置文件，与识别引擎框架或者SDK的包组合形成可发布的版本。其在不同平台上其优化的方式不一样，比如在Android平台浮点定点化，ncnn框架，在Linux平台下，tensorRT的优化。

目标检测-YOLOv3

1、不过待改进的地方有在小目标上召回率不高，靠近的群体目标检测效果不好，检测精度还有优化空间。

2、 类置信度表示检测到的物体属于一个具体类的概率值，以前的YOLO版本使用softmax将类分数转化为类概率。

3、yolo_v3只会对1个prior进行操作，也就是那个最佳prior。而logistic回归就是用来从9个anchor priors中找到objectness score(目标存在可能性得分)最高的那一个。

4、经典的目标检测网络RCNN系列分为两步，目标proposal和目标分类。而Faster-RCNN中把目标proposal和目标分类作为一个网络的两个分支分别输出，大大缩短了计算时间。

5、R-CNN系列算法需要先产生候选区域，再对候选区域做分类和位置坐标的预测，这类算法被称为两阶段目标检测算法。

关于YOLOv3的一些细节

1、YOLO层是一个预测值和Lables目标值相减求损失的层。

2、YOLOv3借鉴了YOLOv1和YOLOv2，虽然没有太多的创新点，但在保持YOLO家族速度的优势的同时，提升了检测精度，尤其对于小物体的检测能力。

3、YOLO3更进一步采用了3个不同尺度的特征图来进行对象检测。能够检测的到更加细粒度的特征。 对于这三种检测的结果并不是同样的东西，这里的粗略理解是不同给的尺度检测不同大小的物体。

4、另外，YOLO-v2利用WordTree，将分类和检测任务进行联合训练，对于没有方框标注的物体也能预测出其方框，能够对词典中9000个概念进行预测。YOLO-v2也叫做YOLO9000。YOLO-v3在YOLO-v2的基础上进行了一些改进。