dog-qiuqiu/FastestDet

:zap: A newly designed ultra lightweight anchor free target detection algorithm， weight only 250K parameters， reduces the time consumption by 10% compared with yolo-fastest, and the post-processing is simpler

What it solves

FastestDet 是一個超輕量、即時的物件偵測演算法，專為資源受限的裝置（如 ARM CPU 與 NPU）設計，旨在提供比先前的輕量偵測器（如 Yolo‑fastest）更快且更簡單的替代方案，提升偵測精度（mAP）與推論速度。

How it works

此專案實作了多項架構優化以達成高速與高效能：

  • Anchor-Free Design：移除預先定義的錨點框，簡化偵測流程。
  • Single Scale Detector Head：僅使用單一尺度進行偵測，降低計算負擔。
  • Cross Grid Multiple Candidate Targets：增強目標定位能力。
  • Dynamic Positive and Negative Sample Allocation：最佳化模型對物件與背景的學習區分。
  • Loss Optimization：採用基於 smooth L1 的 IOU‑aware 方法提升精度。

Who it’s for

此專案適合在嵌入式系統、行動裝置或任何 CPU/NPU 資源受限且需要即時物件偵測的開發者與研究者使用。

Highlights

  • Ultra-Lightweight：參數量極小（0.24M）。
  • High Efficiency：已針對 Radxa Rock3A（RK3568）、Qualcomm Snapdragon 835、Intel i7‑8700 等平台進行最佳化。
  • Multi-Framework Support：支援匯出至 ONNX、TorchScript，並可透過 NCNN 與 ONNX‑Runtime 部署。
  • Improved Performance：在 ARM CPU 上的 mAP（25.3% vs 24.1%）與執行時間皆優於 Yolo‑fastestv2。