Files
FastDeploy/examples/vision/detection/yolov5
WJJ1995 c6d943b7f0 [Doc] Fixed quantize.md (#795)
* add onnx_ort_runtime demo

* rm in requirements

* support batch eval

* fixed MattingResults bug

* move assignment for DetectionResult

* integrated x2paddle

* add model convert readme

* update readme

* re-lint

* add processor api

* Add MattingResult Free

* change valid_cpu_backends order

* add ppocr benchmark

* mv bs from 64 to 32

* fixed quantize.md

* fixed quantize bugs

Co-authored-by: Jason <jiangjiajun@baidu.com>
2022-12-05 16:38:48 +08:00
..
2022-12-05 16:38:48 +08:00
2022-11-09 13:57:02 +08:00

YOLOv5准备部署模型

  • YOLOv5 v6.0部署模型实现来自YOLOv5,和基于COCO的预训练模型
    • 1官方库提供的*.onnx可直接进行部署
    • 2开发者基于自己数据训练的YOLOv5 v6.0模型,可使用YOLOv5中的export.py导出ONNX文件后完成部署。

下载预训练ONNX模型

为了方便开发者的测试下面提供了YOLOv5导出的各系列模型开发者可直接下载使用。下表中模型的精度来源于源官方库

模型 大小 精度
YOLOv5n 7.5MB 28.4%
YOLOv5s 28.9MB 37.2%
YOLOv5m 84.7MB 45.2%
YOLOv5l 186.2MB 48.8%
YOLOv5x 346.9MB 50.7%

详细部署文档

版本说明