| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
feat: add YOLOv13 object detection sample based on ACL interface Co-authored-by: cao qiancheng<220255669@seu.edu.cn> # message auto-generated for no-merge-commit merge: !3978 merge feat/yolov13-sample into develop feat: add YOLOv13 object detection sample based on ACL interface Created-by: sunsummercqc Commit-by: cao qiancheng Merged-by: cann-robot Description: # Pull Request ## 描述 基于 ACL 离线推理接口，新增 YOLOv13 目标检测样例（ examples/acl/5_sample_yolov13/）， 展示如何将 YOLOv13 ONNX 模型转换为 OM 离线模型并在昇腾 NPU 上执行推理。 包含： - 图片预处理脚本（letterbox 缩放 + 归一化） - ACL 推理 + YOLO 输出解析 + NMS 后处理 - 检测结果可视化脚本 - 中英文 README 文档 ## 变更类型 - [ ] 🐛 Bug 修复 - [x] ✨ 新功能 - [ ] 💄 代码风格更新（格式化，局部变量） - [x] ♻️ 重构（既不修复错误也不增加功能的代码变动） - [ ] 📦 构建过程或辅助工具的变动 - [x] 📝 文档内容更新 ## 关联的Issue 无 ## 如何测试 1. 将 YOLOv13 ONNX 模型转换为 OM 模型： atc --model=yolov13n.onnx --framework=5 --output=yolov13 --soc_version=xxx --input_shape="images:1,3,640,640" --output_type=FP32 2. 准备测试图片并预处理： cd data && wget https://raw.githubusercontent.com/iMoonLab/yolov13/main/ultralytics/assets/bus.jpg python3 ../scripts/preprocess.py 3. 编译运行： cd scripts && bash build.sh && bash run.sh 4. 预期输出：打印检测到的目标类别、置信度和 bbox 坐标 ## 核对清单 - [x] 我的代码遵循了项目的代码风格 - [x] 我已对代码进行了自测 - [x] 我已更新了相关的文档 - [x] 我在标题中使用了合适的类型标签（如：feat:, fix:） - [ ] 我已经详细阅读了贡献指南（CONTRIBUTING.md），并遵守了其中的所有规定 ## 其他信息 模型权重来自 iMoonLab/yolov13，测试图片来自其 ultralytics/assets/ 目录。 See merge request: cann/ge!3978 | 1 个月前 | |
feat: add YOLOv13 object detection sample based on ACL interface Co-authored-by: cao qiancheng<220255669@seu.edu.cn> # message auto-generated for no-merge-commit merge: !3978 merge feat/yolov13-sample into develop feat: add YOLOv13 object detection sample based on ACL interface Created-by: sunsummercqc Commit-by: cao qiancheng Merged-by: cann-robot Description: # Pull Request ## 描述 基于 ACL 离线推理接口，新增 YOLOv13 目标检测样例（ examples/acl/5_sample_yolov13/）， 展示如何将 YOLOv13 ONNX 模型转换为 OM 离线模型并在昇腾 NPU 上执行推理。 包含： - 图片预处理脚本（letterbox 缩放 + 归一化） - ACL 推理 + YOLO 输出解析 + NMS 后处理 - 检测结果可视化脚本 - 中英文 README 文档 ## 变更类型 - [ ] 🐛 Bug 修复 - [x] ✨ 新功能 - [ ] 💄 代码风格更新（格式化，局部变量） - [x] ♻️ 重构（既不修复错误也不增加功能的代码变动） - [ ] 📦 构建过程或辅助工具的变动 - [x] 📝 文档内容更新 ## 关联的Issue 无 ## 如何测试 1. 将 YOLOv13 ONNX 模型转换为 OM 模型： atc --model=yolov13n.onnx --framework=5 --output=yolov13 --soc_version=xxx --input_shape="images:1,3,640,640" --output_type=FP32 2. 准备测试图片并预处理： cd data && wget https://raw.githubusercontent.com/iMoonLab/yolov13/main/ultralytics/assets/bus.jpg python3 ../scripts/preprocess.py 3. 编译运行： cd scripts && bash build.sh && bash run.sh 4. 预期输出：打印检测到的目标类别、置信度和 bbox 坐标 ## 核对清单 - [x] 我的代码遵循了项目的代码风格 - [x] 我已对代码进行了自测 - [x] 我已更新了相关的文档 - [x] 我在标题中使用了合适的类型标签（如：feat:, fix:） - [ ] 我已经详细阅读了贡献指南（CONTRIBUTING.md），并遵守了其中的所有规定 ## 其他信息 模型权重来自 iMoonLab/yolov13，测试图片来自其 ultralytics/assets/ 目录。 See merge request: cann/ge!3978 | 1 个月前 | |
feat: add YOLOv13 object detection sample based on ACL interface Co-authored-by: cao qiancheng<220255669@seu.edu.cn> # message auto-generated for no-merge-commit merge: !3978 merge feat/yolov13-sample into develop feat: add YOLOv13 object detection sample based on ACL interface Created-by: sunsummercqc Commit-by: cao qiancheng Merged-by: cann-robot Description: # Pull Request ## 描述 基于 ACL 离线推理接口，新增 YOLOv13 目标检测样例（ examples/acl/5_sample_yolov13/）， 展示如何将 YOLOv13 ONNX 模型转换为 OM 离线模型并在昇腾 NPU 上执行推理。 包含： - 图片预处理脚本（letterbox 缩放 + 归一化） - ACL 推理 + YOLO 输出解析 + NMS 后处理 - 检测结果可视化脚本 - 中英文 README 文档 ## 变更类型 - [ ] 🐛 Bug 修复 - [x] ✨ 新功能 - [ ] 💄 代码风格更新（格式化，局部变量） - [x] ♻️ 重构（既不修复错误也不增加功能的代码变动） - [ ] 📦 构建过程或辅助工具的变动 - [x] 📝 文档内容更新 ## 关联的Issue 无 ## 如何测试 1. 将 YOLOv13 ONNX 模型转换为 OM 模型： atc --model=yolov13n.onnx --framework=5 --output=yolov13 --soc_version=xxx --input_shape="images:1,3,640,640" --output_type=FP32 2. 准备测试图片并预处理： cd data && wget https://raw.githubusercontent.com/iMoonLab/yolov13/main/ultralytics/assets/bus.jpg python3 ../scripts/preprocess.py 3. 编译运行： cd scripts && bash build.sh && bash run.sh 4. 预期输出：打印检测到的目标类别、置信度和 bbox 坐标 ## 核对清单 - [x] 我的代码遵循了项目的代码风格 - [x] 我已对代码进行了自测 - [x] 我已更新了相关的文档 - [x] 我在标题中使用了合适的类型标签（如：feat:, fix:） - [ ] 我已经详细阅读了贡献指南（CONTRIBUTING.md），并遵守了其中的所有规定 ## 其他信息 模型权重来自 iMoonLab/yolov13，测试图片来自其 ultralytics/assets/ 目录。 See merge request: cann/ge!3978 | 1 个月前 | |
feat: add YOLOv13 object detection sample based on ACL interface Co-authored-by: cao qiancheng<220255669@seu.edu.cn> # message auto-generated for no-merge-commit merge: !3978 merge feat/yolov13-sample into develop feat: add YOLOv13 object detection sample based on ACL interface Created-by: sunsummercqc Commit-by: cao qiancheng Merged-by: cann-robot Description: # Pull Request ## 描述 基于 ACL 离线推理接口，新增 YOLOv13 目标检测样例（ examples/acl/5_sample_yolov13/）， 展示如何将 YOLOv13 ONNX 模型转换为 OM 离线模型并在昇腾 NPU 上执行推理。 包含： - 图片预处理脚本（letterbox 缩放 + 归一化） - ACL 推理 + YOLO 输出解析 + NMS 后处理 - 检测结果可视化脚本 - 中英文 README 文档 ## 变更类型 - [ ] 🐛 Bug 修复 - [x] ✨ 新功能 - [ ] 💄 代码风格更新（格式化，局部变量） - [x] ♻️ 重构（既不修复错误也不增加功能的代码变动） - [ ] 📦 构建过程或辅助工具的变动 - [x] 📝 文档内容更新 ## 关联的Issue 无 ## 如何测试 1. 将 YOLOv13 ONNX 模型转换为 OM 模型： atc --model=yolov13n.onnx --framework=5 --output=yolov13 --soc_version=xxx --input_shape="images:1,3,640,640" --output_type=FP32 2. 准备测试图片并预处理： cd data && wget https://raw.githubusercontent.com/iMoonLab/yolov13/main/ultralytics/assets/bus.jpg python3 ../scripts/preprocess.py 3. 编译运行： cd scripts && bash build.sh && bash run.sh 4. 预期输出：打印检测到的目标类别、置信度和 bbox 坐标 ## 核对清单 - [x] 我的代码遵循了项目的代码风格 - [x] 我已对代码进行了自测 - [x] 我已更新了相关的文档 - [x] 我在标题中使用了合适的类型标签（如：feat:, fix:） - [ ] 我已经详细阅读了贡献指南（CONTRIBUTING.md），并遵守了其中的所有规定 ## 其他信息 模型权重来自 iMoonLab/yolov13，测试图片来自其 ultralytics/assets/ 目录。 See merge request: cann/ge!3978 | 1 个月前 |
| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
| 1 个月前 | ||
| 1 个月前 | ||
| 1 个月前 | ||
| 1 个月前 |