Michał Sobczak
PLEN

Użycie modeli YOLOx ONNX we Frigate

Autor: 1 min czytania

Przetłumaczone automatycznie z angielskiego. Przeczytaj oryginał

YOLOX to bezkotwicowa (anchor-free) wersja YOLO, o prostszej konstrukcji, ale lepszej wydajności! Ma na celu zniwelowanie przepaści między środowiskiem naukowym a przemysłowym. Więcej szczegółów znajdziesz w naszym raporcie na Arxiv.

https://yolox.readthedocs.io/en/latest/demo/onnx_readme.html

https://github.com/Megvii-BaseDetection/YOLOX/tree/main/demo/ONNXRuntime

Aby skonfigurować to we Frigate:

YAML
detectors:
  onnx:
    type: onnx
model:
  model_type: yolox
  width: 640
  height: 640
  input_tensor: nchw
  input_dtype: float_denorm
  path: /config/yolox_m.onnx
  labelmap_path: /labelmap/coco-80.txt
Wersja Markdown

Wszystkie treści na tej stronie są udostępniane na licencji Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe (CC BY-NC-ND 4.0). Cytuj jako: Michał Sobczak, „Użycie modeli YOLOx ONNX we Frigate”, 4 września 2025, https://michalasobczak.pl/pl/posts/yolox-onnx-models-use-in-frigate.html

Powiązane artykuły

  2. AI/ML3 min

    OpenVINO w detekcji obiektów w wizji komputerowej AI (Frigate + OpenVINO)

    Czym jest OpenVINO? „Otwartoźródłowy zestaw narzędzi do optymalizacji i wdrażania modeli deep learningu”. Intel rozwija go od 2018 roku. Obsługuje LLM, wizję komputerową i generatywne AI. Działa na Windowsie, Linuksie i macOS. W przypadku Ubuntu zalecane jest 22.04 LTS lub nowsze.

  3. AI/ML2 min

    Google Coral TPU i TensorRT (Frigate + NVIDIA GPU/TensorRT)

    To dwa główne rozwiązania pozwalające uruchamiać modele detekcji obiektów. Google Coral TPU to fizyczny moduł, który może mieć postać pendrive’a USB. TensorRT to funkcja środowiska uruchomieniowego GPU. Oba pozwalają uruchamiać na nich modele detekcji.