- 博客(3)
- 收藏
- 关注
原创 YOLOV5-ONNX 模型推理
在深度学习领域,YOLO(You Only Look Once)系列模型因其出色的实时物体检测性能而广受欢迎。随着ONNX(Open Neural Network Exchange)格式的普及,将YOLOv5模型转换为ONNX格式,使其能在多种平台和框架间无缝运行,成为了提高部署灵活性和效率的关键步骤。本文将指导你完成使用YOLOv5-ONNX模型进行物体检测的全过程,从环境搭建到实际推理。源码在yolov5-master中可找到。YOLOv5-ONNX模型文件。
2024-05-05 20:04:08
777
3
原创 YOLOV8-ONNX 模型推理
YOLOv8的ONNX模型推理是指使用ONNX(Open Neural Network Exchange)格式的YOLOv8模型来进行对象检测的推断过程。ONNX是一种跨平台的深度学习模型格式,支持多种框架之间的模型转换和运行,使得模型能够在不同的硬件和软件平台上高效执行。使用Ultralytics的YOLO库来加载一个YOLOv8的PyTorch模型 导出为ONNX格式。准备coco128.yaml文件来存放类别。
2024-05-05 19:54:02
903
2
原创 从VOC格式到YOLO格式:图像标注数据的转换过程
2. **坐标转换**:VOC格式使用的是绝对坐标(像素值),而YOLO格式使用相对坐标(比例)。因此,需要将矩形框的左上角坐标(xmin, ymin)和右下角坐标(xmax, ymax)转换为YOLO格式下的中心点坐标(x, y)和宽高(w, h),它们均是以图像宽度和高度的比例表示。3. **格式化输出**:按照YOLO的格式要求,将每张图片的文件名、每个目标的类别索引(根据YOLO的类别字典进行映射)、以及转换后的中心坐标、宽高信息整理成一行文本,写入到YOLO格式的标注文件中。
2024-04-02 09:14:40
1559
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人