企业官网建设流程全解析

如何快速跑通 Yolo-Fastest 轻量级目标检测

【免费下载链接】Yolo-Fastest:zap: Based on yolo's ultra-lightweight universal target detection algorithm, the calculation amount is only 250mflops, the ncnn model size is only 666kb, the Raspberry Pi 3b can run up to 15fps+, and the mobile terminal can run up to 178fps+项目地址: https://gitcode.com/gh_mirrors/yo/Yolo-Fastest

你的树莓派、开发板，是不是连一个像样的目标检测模型都塞不进去？主流 YOLO 动辄几十 MB 权重、上千 MFLOPS，扔到 ARM 设备上基本跑不起来。Yolo-Fastest 就是冲着这个痛点来的：一个基于 YOLO 的轻量级通用目标检测算法，NCNN 模型只有 666KB、计算量 250 MFLOPS，让 Raspberry Pi 3B 都能跑到 15FPS 以上。这就是值得你花五分钟试一把的理由。🚀

5分钟跑通第一帧目标检测

准备工作很简单：装好编译工具链就行，OpenCV 可选，想要 GPU 加速再补 CUDA/cuDNN。先把仓库拉到本地——

git clone https://gitcode.com/gh_mirrors/yo/Yolo-Fastest cd Yolo-Fastest

克隆完你会看到 Makefile、src、ModelZoo 这些目录，框架已经就位。

接着编译。纯 CPU 环境把 Makefile 里的GPU和CUDNN改成 0，只测图片的话OPENCV也设 0 即可，要跑视频或摄像头 Demo 再把它设成 1，然后执行：

make

没有报错、根目录多了个 darknet 可执行文件，说明框架就绪了。模型仓库已经备好训练好的权重，直接对一张图跑起来：

./darknet detector test \ ModelZoo/yolo-fastest-1.1_coco/coco.data \ ModelZoo/yolo-fastest-1.1_coco/yolo-fastest-1.1.cfg \ ModelZoo/yolo-fastest-1.1_coco/yolo-fastest-1.1.weights \ data/dog.jpg -i 0 -thresh 0.25

终端会逐个打印检测框的坐标、类别和置信度，同时输出一张带框结果图——狗就这样被框出来了。

检测画出来的效果大概长这样：

框位置基本准，置信度也都标在框上，到这里你的第一帧就正式跑通了。

树莓派实时检测能跑多快

如果你要做安防、导览这类简单单类别的嵌入式检测，这个项目基本即插即用：除了 COCO 80 类模型，ModelZoo/ 里还预置了一个行人（body）检测模型。换进你的 NCNN 工程，就能在 Raspberry Pi 3B 上稳定跑到 15FPS 以上；RK3399、树莓派 4B 这些板子配合 NCNN，也都能做到 30FPS 全实时。📷

算力和存储越紧张，这种差距越明显——它比 MobileNet 系通用方案的计算量低一大截，帧率却能高出数倍。行人检测在板子上的实际画面：

框住每个行人、实时刷屏，放在导览屏或门禁上完全够用。

跑通之后，还能接哪些推理框架

跑到这一步，你多半会想把它搬到自己的设备上。它基于 Darknet 训练，但官方更建议 CPU 端走 NCNN，转换和 Demo 都给你备好了：

• NCNN：sample/ncnn/ 里已转好 .param/.bin，配好 NCNN 就能编译出摄像头 Demo
• MNN / TNN：转 Caffe 后接入，MNN 在树莓派 4B 2G 上约 0.035s/帧
• ONNX / TensorRT：留给你手上有 NVIDIA 高算力卡的场景

去把它跑起来，或者直接拿你的板子实测一帧。

【免费下载链接】Yolo-Fastest:zap: Based on yolo's ultra-lightweight universal target detection algorithm, the calculation amount is only 250mflops, the ncnn model size is only 666kb, the Raspberry Pi 3b can run up to 15fps+, and the mobile terminal can run up to 178fps+项目地址: https://gitcode.com/gh_mirrors/yo/Yolo-Fastest