NanoDet是一个基于ShuffleNetV2的轻量级的目标检测模型，配合ncnn框架加速后，在中端Android机型能做到20fps+

1 安装环境

为了避免冲突，需要安装好conda，Python 3.8+

安装依赖包

git clone https://github.com/RangiLyu/nanodet.git
cd nanodet
pip install -r requirements.txta

安装代码

python setup.py develop

2 下载模型权重

这里选择的是“NanoDet-Plus-m-320 (NEW)”，可以在github下载pth和weight，下载后放到同一个目录下，例如：

nanodet-plus-m_320_checkpoint.ckpt
nanodet-plus-m_320.pth

3 修改代码

demo/demo.py，修改为cpu推理（如果你没有GPU）

#predictor = Predictor(cfg, args.model, logger, device="cuda:0")
predictor = Predictor(cfg, args.model, logger, device="cpu")

nanodet/data/collate.py

# 删除掉
# from torch._six import string_classes

# 修改
 #elif isinstance(elem, string_classes):
 elif isinstance(elem, str):

3 预测

图片

python demo/demo.py image --config ./config/nanodet-plus-m_320.yml --model ./nanodet-plus-m_320/nanodet-plus-m_320.pth --path ./tests/data/test_img.jpg

会弹出一个框，按ESC退出

视频

python demo/demo.py video --config ./config/nanodet-plus-m_320.yml --model ./nanodet-plus-m_320/nanodet-plus-m_320.pth --path ~/1.mp4

所有生成的检测结果会保存在workspcae下，后续可以查看回顾