https://github.com/sbbug/yolov5-prune-multi

无人机视角、多模态、模型剪枝、国产AI芯片部署
https://github.com/sbbug/yolov5-prune-multi

Last synced: 3 months ago
JSON representation

无人机视角、多模态、模型剪枝、国产AI芯片部署

• Host: GitHub
• URL: https://github.com/sbbug/yolov5-prune-multi
• Owner: sbbug
• Created: 2021-03-24T11:28:31.000Z (over 3 years ago)
• Default Branch: master
• Last Pushed: 2022-02-06T03:35:34.000Z (almost 3 years ago)
• Last Synced: 2024-06-16T14:31:50.221Z (5 months ago)
• Language: Python
• Size: 5.14 MB
• Stars: 35
• Watchers: 2
• Forks: 3
• Open Issues: 3
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

• awesome-yolo-object-detection - sbbug/yolov5-prune-multi - prune-multi?style=social"/> : yolov5-prune-multi 无人机视角、多模态、模型剪枝、国产AI芯片部署。 (Lighter and Deployment Frameworks)
• awesome-yolo-object-detection - sbbug/yolov5-prune-multi - prune-multi?style=social"/> : yolov5-prune-multi 无人机视角、多模态、模型剪枝、国产AI芯片部署。 (Lighter and Deployment Frameworks)

README

        
# yolov5-prune-multi

无人机视角、多模态、模型剪枝、国产AI芯片部署  

将训练好的视觉模型，进行剪枝压缩再训练，最终部署到终端设备上。

## 相关实验数据

#### 数据集展示

###### 对齐的双模态图像

![相关图片](./img/1-8.png)

###### 双模态图像类别分布

![相关图片](./img/1-7.png)

#### 数据集基础实验(多模态数据集为团队收集，暂未公开)

![数据集基础实验](./img/1-6.png)

#### 多模态模型剪枝效果实验

![剪枝实验](./img/1-1.png)

#### 国产芯片与英伟达芯片对比实验

###### 硬件参数

![芯片相关参数](./img/1-5.png)

###### 对比实验(硬件性能开到最大)

![硬件性能对比](./img/1-2.png)

#### 模型算法效果截图

![模型优化效果](./img/1-3.png)

#### 模型部署到边缘设备效果截图

![边缘设备部署效果](./img/1-4.png)

## 参考

[AGX板卡模型推理部署工具链](https://github.com/sbbug/yolov5-multi-tensorrt)  

[地平线板卡模型推理部署工具链](https://github.com/sbbug/x3_chain)