使用环境 | 适用于多种场景的目标检测,城市道路、室内环境。 |
---|---|
使用对象 | 各类目标物体,如车辆、行人、动物。 |
使用目的 | 通过多尺度目标检测,提高目标检测的精度和鲁棒性,适用于自动驾驶、安防监控领域 |
输入数据 | 高清摄像头拍摄的图像帧 |
输出数据 | 目标物体的类别、位置坐标、置信度 |
硬件配置 | CPU:Intel Core i9-10980XE 内存:64GB GPU:NVIDIA RTX 3090 |
样本获取 | 在PASCAL VOC和KITTI数据集上进行训练和测试,共获取约24000张标注图像 |
测试结果 | 在PASCAL VOC数据集上,mAP达到85.91%,FPS为34.4;在KITTI数据集上,mAP达到84.54% |
执行速度 | 检测速度为34.4帧/秒 |
资源消耗 | 使用18核CPU,计算占比平均约70%;64GB内存,使用占比60% |
源码类型 | Python版本源码 |
文件大小 | 算法程序文件245K,权重文件245M |
相关备注 | 可提供技术支持和部署改进服务 |
买家 | 规格或版本 | 评分 | 评价 | 时间 |