- 博客(4)
- 资源 (2)
- 收藏
- 关注
原创 完成对MsCOCO数据集特定种类的提取并与yolov5上训练
为何需要提取出特点的种类?1.提取出特定种类的数据集训练时间更短,coco数据集大概有120000张,而只包含“people,car,bicycle,motorcycle”的照片只有6万张,而只包含car的数据集只有两万张,提取出所需种类的数据集可以成倍地减少漫长的训练时间。2.训练所得的模型更小,得益于训练目标数量的减少,得到的网络模型的大小也会变化,我用80个种类的数据集在yolov5s训练得到的模型为15.7m,而用4个种类的数据集训练得到的模型大小为14.0m,虽然差别不算太大,但对于在较低端的
2021-02-15 15:12:52 1567 4
原创 论文笔记:Revisiting Temporal Modeling for Video Super-resolution(重新审视视频超分辨率的时间建模) Part1 系咁嘅啦
视频超分辨率在监控视频分析和超高清视频显示中起着重要的作用,在研究界和工业界都引起了广泛的关注。尽管已经提出了许多基于深度学习的VSR方法,但是由于不同的损失函数和训练数据集对超分辨率结果有重大影响,因此很难直接比较这些方法。在这项工作中,我们仔细研究和比较了三种时间建模方法(具有早期融合的2D CNN,具有缓慢融合的3D CNN和递归神经网络)来实现视频超分辨率。**==我们还提出了一种新颖的递归残差网络(RRN),以实现有效的视频超分辨率,其中利用残差学习来稳定RNN的训练并同时提高超分辨率性能。==
2020-12-13 16:03:28 963
原创 与Ubuntu上实行视频的图像识别与数据结构的学习
1.于Ubuntu上实行视频的图像识别以下为识别图片的基本操作:step1:下载darknetstep2:Make操作step3:将pre-trained weight文件(我测试时用的是yolov3)放入darknet文件step4:测试一下:./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg在/darknet文件夹内,predictions.jpg就是识别结果。用OpenCV编译Darknetstep1:修改Makefi
2020-11-29 22:50:23 253
原创 2020.11.1-14关于在Darknet上用YOLOV3识别图像与学习数据结构和了解宽度学习的初步学习Part1
****1.计划是任何事情的开始,首先罗列任务安排及完成情况由于之前笔者在ububtu上曾乱改环境变量以致电脑在锁屏时开不了锁,所以第一步只能是重装ubuntu系统****2.关于在Ubuntu上用Darknet与opencv进行图像识别:以下为结果:以下为其基本操作:step1:下载darknetstep2:Make操作step3:下载 pre-trained weight文件step4:测试一下:./darknet detect cfg/yolov3.cfg yolov3.weigh
2020-11-17 20:39:01 232
stm32智能小车资料.zip
2020-03-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人