详细请看博客： reid模型为fast-reid框架训练，resnet101蒸馏出来的resnet34，因为模型保存了FC层和优化器等参数所以很大，去除这些只保留resnet34的话模型30多MB，整个流程在2070GPU下能达到实时效果 reid模型：链接: 提取码: j4ce

tensorrtx-yolov5 V4版本 - yolov5s成功

tensorrtx-yolov5--成功编译的CMakeLists

约洛夫5Wpf 使用ML.NET部署YOLOV5的ONNX模型

使用TensorRT来加速部署YOLOv5项目，此文档中包含全部 软件及依赖库 在Win10系统上完成，需要用到的软件与依赖包有：cuda 10.2 , cudnn 7.6.5 , VS2019 , OpenCV 3.4.0 , Anaconda3 , CMake 3.19.4 , TensorRT 7 安装使用使用教程：https://blog.csdn.net/weixin_39588099/article/details/119994675?spm=1001.2014.3001.5502

yolov5 COCO128数据集

rv1126linux环境配置和PC端仿真yolov3，板端运行yolov5.

yolo5_gpu_class yolov5 C ++ GPU版本，速度70ms / frame 网络使用cuda加速 net.setPreferableBackend(dnn::DNN_BACKEND_CUDA); net.setPreferableTarget(dnn::DNN_TARGET_CUDA); 常规函数使用UMat加速 Mat uFunction(frame) { UMat uimg; Mat result; frame.copyto(uimg) ####process uimg like img canny(uimg) ####process uimg like img uimg.copyto(result) return result } mat->umat 1.5ms umat版本函数有很多会被加速5,6倍 umat-mat 1ms

yolov5数据集已打好标签

训练集有5269张图片，测试集有1766张。包含不同场景和不同颜色安全帽，有需要的可以下载。