在WoS上运行3D检测

项目目标

YOLOv5u 源自 开发的 YOLOv5Ultralytics 开发的模型的基础结构，YOLOv5u 整合了无锚点、无对象性的分割头，这是以前的 YOLOv8模型中引入的功能。这一调整完善了模型的架构，从而提高了物体检测任务中的精度-速度权衡。鉴于经验结果及其衍生特征，YOLOv5u 为那些在研究和实际应用中寻求稳健解决方案的人提供了一种高效的替代方案.主要功能

无锚点分割Ultralytics Head：传统的物体检测模型依赖于预定义的锚点框来预测物体位置。然而，YOLOv5u 将这种方法现代化。通过采用无锚分Ultralytics 头，它确保了一种更加灵活和自适应的检测机制，从而提高了在不同场景下的性能。

优化准确性与速度之间的权衡：速度与准确性往往背道而驰。但 YOLOv5u 挑战了这种取舍。它提供了一个经过校准的平衡点，在确保实时检测的同时不影响精度。这一功能对于自动驾驶汽车、机器人和实时视频分析等需要快速响应的应用尤为重要。

多种预训练模型：由于不同的任务需要不同的工具集，YOLOv5u 提供了大量预训练模型。无论您是专注于推理、验证还是训练，都有一个量身定制的模型在等着您。这种多样性可确保您使用的不仅仅是一个放之四海而皆准的解决方案，而是一个专门针对您的独特挑战进行微调的模型。

项目说明

该项目在 WoS 上通过运行 YOLOv5 模型和 3D 边界框实现三维目标检测，并使用 QNN 对模型进行推理。

所需材料/零部件清单/工具

  • Latitude 7455 WoS

Latitude 7455 WoS

源代码/源示例/可执行应用程序

  • 源代码

应用效果

额外资源

  • 视频链接

构建/汇编指令

# 在RB3Gen2的板子里进行板级编译:

bash build.sh

使用说明

Yolo3D Box 项目基于 YOLOv5 和 3D 边界框技术实现三维目标检测。使用该项目前，请先按照相关指南安装版本为 2.34.0.250424 的高通 AI 引擎直连 SDK Windows 安装程序来配置环境，再通过执行命令 "pip install requests wget tqdm importlib-metadata qai-hub qai_hub_models huggingface_hub Pillow numpy opencv-python torch torchvision torchaudio transformers diffusers basicsr ultralytics==8.0.193" 安装所需的 Python 依赖库。若要运行检测程序，可执行命令 "python detect_qnn.py"

提供人信息

如提交有关内容（以下简称为“提交内容”），则表明您向高通公司授予有关以下各项的免费、永久性、非排他性、不受限制、全球范围内的许可：(a)公布、使用、复制、转授、改编、传输、公开执行或展示提交内容；(b)在没有限制条件的情况下使用、复制、修改、改编、发布、翻译、创作衍生作品、分发、执行、演示、托管、提供和发布您的提交内容；(c)向第三方转授无限制的行使针对提交内容所授予的前述任何权利的权利。前述权利应当包括利用提交内容中的任何理念、概念、知识产权、或专有权利的权利，包括但不限于在任何相关司法管辖区内根据著作权、商标、服务标记或专利等法律所享有的权利，同时高通公司无须向您支付任何款项。您声明并保证，您拥有有关提交内容的所有权利、所有权和权益，或您已被授予有关提交内容的充分权利，以确保能够按照前述方式使用提交内容。