nanodet source file and version for pytorch

Android平台， 实测可用

官网下载好的nanodet-main，官网的太慢。

- OpenCV 4.5.1，基于CUDA 11 - NanoDet-plus - 模式.onnx格式 - 以类的形式封装调用

NanoDet算法分享.pptx

nanodet目标检测模型

nanodet-opncv-dnn-cpp-python 用opencv部署nanodet目标检测，包含C ++和python两个版本程序的实现，使用opencv里的dnn模块加载网络模型，图像预处理和后处理模块是使用C ++和python编程实现。深度学习框架，在Windows系统和ubuntu系统，在cpu和gpu机器上都能运行。 python版本的主程序是main_nanodet.py，c ++版本的主程序是main.cpp 程序里提供输入图片尺寸320和416这两种选择，类别放置信度阈值confThreshold，nms重叠率阈值nmsThreshold可自行调整

NanoDet-PyTorch 说明：NanoDet作者开源代码地址： （致敬） 该代码基于NanoDet项目进行小裁剪，专门用来实现Python语言、PyTorch 版本的代码，下载直接能使用，支持图片、视频文件、摄像头实时目标检测。 YOLO、SSD、Fast R-CNN等模型在目标检测方面速度较快和精度较高，但是这些模型比较大，不太适合移植到移动端或嵌入式设备； 轻量级模型 NanoDet-m，对单阶段检测模型三大模块（Head、Neck、Backbone）进行轻量化，目标加检测速度很快；模型文件大小仅几兆（小于4M）。 NanoDet 是一种 FCOS 式的单阶段 anchor-free 目标检测模型，它使用 ATSS 进行目标采样，使用 Generalized Focal Loss 损失函数执行分类和边框回归（box regression） 模型性能 Model Resolut

NanoDet 超快速，轻量的无锚物体检测模型。 在移动设备上实时。 :high_voltage: 超轻量级：模型文件只有1.8 MB。 :high_voltage: 超快：移动ARM CPU上97fps（10.23ms）。 :smiling_face_with_sunglasses: 易于培训：GPU内存成本比其他型号低得多。 GTX1060 6G上可使用批处理大小= 80。 :smiling_face_with_sunglasses: 易于部署：基于ncnn推理框架提供C ++实现和Android演示。 消息！！！ [2021.03.12]将变压器编码器应用于NanoDet！ 引入NanoDet-t ，用TAN（变压器关注网络）替代NanoDet-m中的PAN，在COCO val 2017上获得21.7 mAP（+1.1）。有关更多详细信息，请检查 。 [2021.03.03]更新了Nanodet-m-416 COCO预训练模型。 可可mAP（0.5：0.95）= 23.5 。 在下载。 [2021.02.03]支持和主干。 请检查。