RuoYi-Vue3-FastAPI(https://gitee.com/insistence2022/RuoYi-Vue3-FastAPI)仓库的后端代码按照RuoYi-Vue(https://gitee.com/y_project/RuoYi-Vue)进行重构。
通过https://github.com/WongKinYiu/yolov7训练的yolov7-tiny.pt模型,使用opencv dnn cpp进行推理。
硕士学位论文《基于向量表示的单阶段无锚框目标检测算法的研究及实现》的代码。包括基于多次度分割的图像识别算法的网络模型SSRNet,和基于向量表示的单阶段无锚框目标检测算法SSYOLO的实现代码。
自研单阶段无锚框目标检测算法SSYOLOv1,在路标检测数据集上的精度可到到94.63%,模型参数量为3.2M。骨干网络使用自研的SSRNetv3,在骨干网络中将特征提取与特征融合进行合并,简化了FPN结构。检测头部使用YOLOX的解耦头部。在计算损失函数时,使用YOLOX的是SimOTA标签分配策略。详细算法说明会在后续进行,欢迎关注并提供改进建议。
本项目使用自组网络SSRNetV2在杂草数据集进行训练和预测,精度为97.55%,速度为9ms,参数量为1.12M,优于MobileNetV3。