YOLOV5-Lite轻量化部署与训练

前言

没啥意思，很简单，需要实现一个目标检测，但是，不能占用太多运算资源，同时需要保证一定的精度。并且要在移动端部署，要在一台ROS小车上面部署。那么此时常见的选择自然有yolov3-tiny等。但是考虑到onnx部署方案的成熟，目前的加持之下，python也有不错的效率，所以，这里就考虑使用到yolov5-lite版本。
可以看到官方的对比：

同时在我的本地机器上面也是做了对比。
在使用yolov3-tiny 使用opencv dnn部署的情况下，帧率只有30多，但是使用yolov5-Lite普遍100+。这就意味着，可以在边缘设备进行快部署。同时得益于onnx，俺们也可以很方便地进行部署。

此外的话，由于这玩意是基于yolov5做的，所以在训练的时候，和V5保持高度的一致，包括里面数据增强的方法等等，况且人家精度也比yolov3-tiny高。 在科大讯飞智能小车上实测，极限压缩一下分辨率可以达到80FPS左右，原始模型也可以达到30FPS。这里就很方便后期在整合其他的算法，例如+sort算法做一个目标跟踪。这个部分的话，我后续可能会做到。

项目下载

ok,那么首先第一步的话，还是说去下载项目即可，我们分为两个部分，一个是如何运行项目，一个是如何训练自己的数据集。这个是比较重要的，后面我们还需要定制化的需求。如何整合之类的是吧，那么这里的话不过多叙述。首先进入