DepthAI v2 has been superseded by DepthAI v3. You are viewing legacy documentation.
概览硬件软件云平台
此页面由 AI 自动翻译。查看英文原版
DepthAI 组件
DepthAI 教程
DepthAI 感知
ROS
神经网络
DepthAI API 参考

本页目录

  • YOLO 模型简介
  • 在 DepthAI 上开始使用 YOLO
  • YOLO 集成概述
  • 示例实现
  • 使用 DepthAI 进行 YOLO 实验
  • 模型训练和定制
  • 使用 tools.luxonis.com 进行模型转换
  • 许可证

Luxonis DepthAI 上的 YOLO 模型实现实时目标检测

YOLO 模型简介

YOLO (You Only Look Once) 是一系列以速度和准确性著称的实时目标检测模型。 与将模型应用于图像中多个位置和尺度的传统目标检测方法不同，YOLO 模型将目标检测视为一个回归问题。它们在一次评估中直接从完整图像预测边界框和类别概率，从而实现快速高效的目标检测，适用于实时应用。 早期的 YOLO 模型主要用于目标检测，而较新的版本则支持多任务头，用于关键点检测、分割等任务。
目标检测

在 DepthAI 上开始使用 YOLO

YOLO 集成概述

DepthAI 支持解析 YOLO 模型输出（包括非极大值抑制等后处理），并将其转换为标准的 DepthAI 消息格式（ImgDetections）。 这使得在 DepthAI 设备上高效集成和处理 YOLO 模型成为可能。使用 YOLO 模型主要有两个节点：

示例实现

为了帮助您入门，请探索以下示例实现：

使用 DepthAI 进行 YOLO 实验

DepthAI 支持使用设备端和主机端解码方法进行各种 YOLO 模型的目标检测。 您可以在 OAK Examples 仓库 中找到多个演示和示例，其中包括：
  • device-decoding：使用 YOLOv3、YOLOv3-tiny、YOLOv4、YOLOv4-tiny 和 YOLOv5 进行通用目标检测，支持设备端解码。使用 DepthAI-API。
  • car-detection：使用 YOLOv3-tiny 和 YOLOv4-tiny 模型进行车辆检测，支持设备端解码。使用 DepthAI-SDK。
  • host-decoding：使用 YOLOv5 进行目标检测，支持主机端解码。
  • yolox：使用 YOLOX-tiny 进行无锚框的目标检测，支持主机端解码。
  • yolop：使用 OAK 上的 YOLOP 进行车辆检测、道路分割和车道线分割，支持主机端解码。
这些示例展示了如何在 DepthAI 设备上使用设备端和主机端解码运行不同的 YOLO 模型。

模型训练和定制

如果您希望根据特定需求训练或微调 YOLO 模型，以下资源将指导您完成整个过程：

使用 tools.luxonis.com 进行模型转换

Luxonis 在 tools.luxonis.com 上提供强大的工具集，让您可以轻松地将训练好的 YOLO 模型转换为与 DepthAI 兼容的格式。此工具特别适用于将 PyTorch（.pt 文件）中训练的 YOLO 模型转换为 OpenVINO 格式，然后可以将其转换为 DepthAI .blob 文件。

许可证

集成到 DepthAI 的每个 YOLO 模型版本可能都有其自身的许可条款。请查看您正在使用的模型的相应许可证：