16 篇文档带有标签「Object Detection」

针对高分辨率图像中人员检测优化的轻量级 MobileNet 模型。

针对 COCO 数据集目标检测优化的 MobileNet 模型，支持 224x224 全分辨率及 80 个类别。

采用 MobileNet 架构、75% 宽度乘数的 PoseNet 模型，用于高效人体姿态估计。

采用 MobileNet 架构、75% 宽度乘数的量化 PoseNet 模型，用于高效优化的人体姿态估计。

使用 Roboflow 微调用于 PPE 检测的 YOLO11，并部署到 Astra。

在 Astra 上测量预训练 YOLO 模型的推理速度。

YOLO26 免 NMS 目标检测模型（nano 和 small），针对 320x320 分辨率优化，解码头已编译至 NPU。

针对 640x480 分辨率优化的 YOLOv5m 目标检测模型，在速度与精度之间取得平衡。

针对 640x480 分辨率优化的 YOLOv5s 目标检测模型，适用于实时应用场景。

专为人脸检测设计的 YOLOv5s 模型，针对 640x480 分辨率优化，采用 ONNX 混合量化。

针对 320x320 分辨率优化的 YOLOv8n 目标检测模型，在速度与精度之间实现平衡。

针对 320x320 分辨率优化的 YOLOv8s 目标检测模型，在速度与精度之间实现平衡。

专为人体姿态估计设计的 YOLOv8s 模型，针对实时应用场景进行了优化。

导出 Ultralytics YOLOv8 姿态模型，并为 Astra NPU 编译。

在 SL1600 NPU 上使用 YOLO 查找并定位图像中的目标。

在 SL2600 NPU 上使用 YOLO 查找并定位图像中的目标。