LSH9832/edgeyolo

an edge-real-time anchor-free object detector with decent performance

What it solves

EdgeYOLO 是為嵌入式與邊緣設備提供高效能目標檢測而設計。它解決了檢測精度與推論速度之間的權衡，使得在計算資源受限的硬體（如 Nvidia Jetson AGX Xavier）上也能實現即時處理。

How it works

EdgeYOLO 為無錨點目標檢測器。它提供從 Tiny 到 L 的多種模型尺寸，以符合不同硬體限制。專案內含一個在訓練最後階段使用的 RH 損失函式，提升小型與中型模型的檢測表現。另有加強版資料增強方法，即使標註稀疏也能保持效能。

Who it’s for

此專案適合從事邊緣計算、機器人與嵌入式系統之電腦視覺開發者與研究者，需求快速、精確且易於部署的目標檢測模型。

Highlights

  • Edge-Optimized Performance: 在 Nvidia Jetson AGX Xavier 上達到最高 34 FPS，COCO2017 上取得 50.6% AP。
  • Broad Deployment Support: 包含匯出模型至 ONNX、TensorRT（FP16 與 INT8）、RKNN、MNN、Horizon J5 與華為 Ascend（OM）的工具與程式碼。
  • uma Unified Deployment Branch: 專屬的部署分支簡化多平台部署，無需針對每個平台修改程式碼。
  • Flexible Dataset Support: 相容 COCO、YOLO、VOC、VisDrone 與 DOTA 等資料集格式。
  • Comprehensive Tooling: 提供 Docker 映像檔以一鍵匯出模型，並附有繪製損失、學習率與精度曲線的腳本。