您现在的位置是：首页 >其他 >YOLOv5改进PicoDet主干系列：移动端超轻量目标检测算法PP-PicoDet，0.99M，150FPS，助力移动端达到超实时检测网站首页其他

• ?本篇文章 基于 YOLOv5、YOLOv7芒果改进YOLO系列：YOLOv5改进主干系列：移动端超轻量目标检测算法PP-PicoDet，0.99M，150FPS，助力移动端达到超实时检测、打造全新YOLOv5检测器。

• 最全《芒果书?》改进目录：YOLOv5改进、YOLOv7改进（芒果书系列）目录一览｜原创YOLO改进模型全系列目录

PP-PicoDet：移动设备上更好的实时物体检测器

更好的准确性和效率的权衡一直是目标检测中的一个具有挑战性的问题。 在这项工作中，我们致力于研究目标检测的关键优化和神经网络架构选择，以提高准确性和效率。 我们研究了无锚策略在轻量级对象检测模型上的适用性。 我们增强了骨干结构并设计了颈部的轻量级结构，从而提高了网络的特征提取能力。 我们改进了标签分配策略和损失函数，使训练更加稳定和高效。 通过这些优化，我们创建了一个新的实时对象检测器系列，名为 PP-PicoDet，它在移动设备的对象检测方面实现了卓越的性能。 与其他流行模型相比，我们的模型在准确性和延迟之间实现了更好的权衡。 仅0.99M参数的PicoDet-S实现了30.6%的mAP，与YOLOX-Nano相比，mAP绝对提升了4.8%，同时移动CPU推理延迟降低了55%，与NanoDet相比，mAP绝对提升了7.1%。 当输入大小为 320 时，它在移动 ARM CPU 上达到 123 FPS（使用 Paddle Lite 时为 150 FPS&