- 博客(128)
- 资源 (35)
- 收藏
- 关注
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 【2024年毕设系列】如何使用Anaconda和Pycharm
Hi,各位好久不见,这里是肆十二,首先在这里给大伙拜年了。诸位过完年之后估计又要开始为了大作业和毕业设计头疼了,我们重启更新计划,还是围绕计算机视觉里面的分类、检测和分割展开。诸位可以点个关注,防止错过最新动态。资源下载和博客将会更新在我得csdn,视频则会更新我的B站,我之后也会将对应博客和视频的地址放在置顶评论,防止大家迷路。OK,进入正题,今天我们要和大家分享的内容是Python项目中常用的两个工具Anaconda和Pycharm。
2024-02-11 21:26:01
10046
4
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 计算机视觉数据集清单-附赠tensorflow模型训练和使用教程
计算机视觉数据集清单-附赠tensorflow模型训练和使用教程我在这里整理了一些计算机视觉中使用到的数据集,大家可以根据需要下载。友情提示:使用右侧的目录可以帮助你快速找到你想要的数据集物体分类物体分类是计算机视觉中一项经典的任务,用户上传图片,模型读取图片,识别出该图片的种类,这里不仅仅有数据集,我在这里也写了一篇博客,里面详细描述了大家如何根据自己的数据集去构建自己的物体分类模型。肺炎数据集下载链接:数据集基本信息名称:肺炎x光片数据集类别:两类 [‘PNEUMONIA’, ‘NO
2021-06-16 18:35:14
27994
7
原创 NVIDIA Triton系列02-功能与架构简介
Triton 的后端就是执行模型的封装代码,每种支持的框架都有一个对应的后端作为支持,例如 tensorrt_backend 就是支持 TensorRT 模型推理所封装的后端、openvino_backend 就是支持 openvine 模型推理所封装的后端,目前在 Triton 开源项目里已经提供大约 15 种后端,技术人员可以根据开发无限扩充。**:****存放 Triton 服务器所要使用的模型文件与配置文件的存储设备,可以是本地服务器的文件系统,也可以使用 Google、
2024-06-16 09:02:04
1098
原创 Nvidia TensorRT系列01-TensorRT的功能1
在可用的配置选项中,您可以控制TensorRT降低计算精度的能力,控制内存和运行执行速度之间的权衡,并限制CUDA®内核的选择。要在模型级别控制精度,可以使用BuilderFlag选项(C++,Python)向TensorRT指示,在搜索最快速度时,它可以选择较低精度的实现(并且由于较低精度通常更快,如果允许,它通常会这样做)。因此,在构建阶段完成之前,您不得释放这些数组的内存。为了进行更精细的控制,如果某层必须以更高精度运行,因为网络的部分区域对数字敏感或需要高动态范围,则可以为该层指定算术精度。
2024-06-16 09:01:25
635
原创 NVIDIA Triton系列01-应用概论
NVIDIA 的 Triton 推理服务器是一款开源软件,对于所有推理模式都可以简化在任一框架中以及任何 GPU 或 CPU 上的运行方式,从而在生产环境中使用推理计算,并且支持多模型 ensemble,以及 TensorFlow、PyTorch、ONNX 等多种深度学习模型框架,可以很好的支持多模型联合推理的场景,构建起视频、图片、语音、文本整个推理服务过程,大大降低多个模型服务的开发和维护成本。大大提高了用户的体验,并且服务器的数量减少了多达 78%,极大降低了服务的成本。
2024-06-15 11:35:22
880
原创 Nvidia TensorRT系列01-基本介绍
鉴于Nvidia的在深度学习上已经非常完善,即使有其他的芯片或者是框架,基本思路也都是要借鉴Nvidia的开发的,好比虽然特斯拉网上很多骂声,但是大多数国内的车企还是在发布会上狠狠对比,又好比手机发布会狠狠对比Apple,好的东西总是值得大家去借鉴的,对于小公司而言,使用其他公司的生态框架硬件成本看起来很低,但是由于生态和社区一般,实际上运维起来的成本又很高。所以,希望通过更新这个系列来帮助自己对Nvidia的TensorRT进行一些基础的学习。
2024-06-15 11:23:06
749
原创 CV大作业29期-使用YOLOv10快速实现海上红外目标检测
实时物体检测旨在以较低的延迟准确预测图像中的物体类别和位置。YOLO 系列在性能和效率之间取得了平衡,因此一直处于这项研究的前沿。然而,对 NMS 的依赖和架构上的低效阻碍了最佳性能的实现。YOLOv10 通过为无 NMS 训练引入一致的双重分配和以效率-准确性为导向的整体模型设计策略,解决了这些问题。
2024-05-27 00:53:12
1074
原创 初识GPT
GPT模型使用了一种称为“自回归”(autoregressive)的方法来生成文本,这意味着模型会根据它之前生成的文本内容来预测下一个词或字符。请注意,这个示例仅用于展示GPT模型的基本结构,并没有包含所有的功能和优化,例如权重初始化、dropout、完整的预处理和训练逻辑等。GPT模型的这些技术原理共同作用,使其能够生成高质量、高连贯性的文本,并且在多种自然语言处理任务上展现出卓越的性能。随着模型规模的增加,GPT系列模型(如GPT-2和GPT-3)的能力也在不断增强。
2024-05-26 00:47:07
343
原创 CV大作业28期-使用TensorFlow快速实现图像风格迁移系统
摘要的部分:作者探讨了图像转换问题,即如何将输入图像转换成输出图像。以往的方法通常训练前馈卷积神经网络,使用逐像素损失函数来衡量输出图像和真实图像之间的差异。但是,这些方法并没有捕捉到图像之间的感知差异。与此同时,也有研究通过定义和优化基于预训练网络提取的高级特征的感知损失函数来生成高质量图像。本文结合了这两种方法的优点,提出使用感知损失函数来训练图像转换任务的前馈网络。实验结果表明,在风格迁移任务中,与基于优化的方法相比,所提出的网络在生成相似质量结果的同时,速度快了三个数量级。
2024-05-26 00:02:50
1193
原创 Windows下使用tensorrt配置YOLOv8进行加速
本次部署的流程是pytorch转换为onnx再转换为trt配套资源文件下载地址:待更新。
2024-03-30 21:50:58
1602
2
原创 经典的神经网络#1 Lenet
这篇论文名为《Gradient-Based Learning Applied to Document Recognition》,是Yann LeCun等人在1998年发表的,介绍了LeNet-5卷积神经网络,该网络主要用于手写数字识别。LeNet是由Yann LeCun等人在1998年提出的一种经典的卷积神经网络(Convolutional Neural Network, CNN)架构,最初被设计用于识别手写数字和打印字符等任务。
2024-03-11 14:01:13
826
1
原创 【2024年毕设系列】手把手教你用Unet++做舌象分割
原始的论文放置在DOCS目录下,其中unet++.pdf的文件是该网络结构的原始论文。本文介绍了一种新的医学图像分割架构——UNet++,它是一种深度监督的编码器-解码器网络,通过一系列嵌套的密集跳跃连接将编码器和解码器子网连接起来。UNet++的设计目标是减少编码器和解码器子网特征图之间的语义差距,使得优化器在面对语义相似的特征图时,学习任务变得更加简单。
2024-03-10 23:31:04
3704
8
原创 谈谈Pytorch中的dataset
最后,我们创建了一个数据集实例,并展示了如何使用它来获取数据集的大小和样本。是 PyTorch 中一个非常重要的抽象类,它用于表示数据集,方便数据加载和预处理。在实际使用中,你可能还需要根据具体任务添加其他的预处理步骤,比如裁剪、归一化等。模块中,包含了多个标准的数据集,这些数据集在计算机视觉领域非常流行。在类的构造函数中,我们接收样本数据和标签,并将它们存储在类的实例变量中。在上面的示例中,我们创建了一个名为。,你可以自定义自己的数据集类。
2024-03-10 13:54:21
1085
1
原创 Pyotrch-卷积神经网络基础组件之全连接层
卷积神经网络(CNN)中的全连接层通常出现在网络的最后几层,用于对前面层提取的特征进行加权和。在全连接层中,每个神经元都与其前一层的所有神经元进行全连接。全连接层的作用是将前面层提取的特征综合起来,形成一个一维的特征向量,以便于后续的分类或回归任务。在全连接层中,每个神经元的输出是前一层所有神经元输出的加权和,加上一个偏置项。权重和偏置项是全连接层的参数,需要通过训练得到。由于全连接层的每个神经元都与前一层的所有神经元相连,因此其参数数量通常较多,占整个网络参数的大部分。
2024-03-03 11:20:51
756
原创 Transformer结构介绍和Pyotrch代码实现
Transformer结构是近年来自然语言处理(NLP)领域的重要突破,它完全基于注意力机制(Attention Mechanism)来实现,克服了传统RNN模型无法并行计算以及容易丢失长距离依赖信息的问题。Transformer模型主要由Encoder和Decoder两部分组成。这两部分都包含多个相同的层,每层都由一个自注意力(Self-Attention)子层和一个前馈神经网络(Feed Forward Neural Network)子层组成。
2024-03-03 01:18:29
1105
原创 Python中常用的库-sklearn的介绍和代码案例
在这个例子中,我们加载了内置的鸢尾花数据集,并将其划分为训练集和测试集。然后,我们创建了一个决策树分类器,并用训练数据拟合它。最后,我们使用测试数据进行预测。Scikit-learn是一个基于Python的开源机器学习库,提供了广泛的监督学习和无监督学习算法。Scikit-learn的接口统一、使用方便,并且基于NumPy和SciPy等库,使得其在处理大规模数据时也能保持高效。在这个例子中,我们首先加载了内置的糖尿病数据集,并将其划分为训练集和测试集。然后,我们创建了一个线性回归模型,并用训练数据拟合它。
2024-03-02 21:10:38
882
原创 Python中Thop库的基本介绍和参数说明
THOP(Torch-OpCounter)是一个用于计算PyTorch模型操作数和计算量的工具。通过这个库,开发者可以更好地理解和评估模型的复杂度,这对于模型优化和性能调优是非常有帮助的。具体来说,使用THOP,可以对定义的PyTorch模型进行分析,统计出模型所包含的各种操作的数量以及模型的计算量。这对于理解模型的运行效率、找出可能的性能瓶颈以及优化模型结构都是非常重要的。在Python中使用THOP库的基本步骤包括:首先安装THOP库,这通常可以通过pip命令进行安装;
2024-02-20 13:17:02
2763
1
原创 Pytorch的常用模块和用途说明
以上只是PyTorch中常用模块的一部分,实际上PyTorch还提供了许多其他有用的模块和工具,如torch.cuda(用于GPU加速)、torch.quantization(用于模型量化)等。具体使用哪些模块取决于你的应用需求和任务类型。PyTorch是一个开源的深度学习平台,提供了许多常用的模块来帮助开发者构建和训练神经网络。Hi,兄弟们,这里是肆十二,今天我们来讨论一下深Pytorch中的常用模块。
2024-02-19 13:01:45
506
1
原创 如何利用Python快捷地操作文件和文件夹
今天我们来介绍一下python中的shutil库,通过shutil库可以很方便的操作文件和文件夹。shutil是Python标准库中的一个模块,提供了许多用于文件和文件夹操作的高级接口。以下是shutil。
2024-02-18 23:25:20
442
原创 Pytorch-SGD算法解析
SGD,即随机梯度下降(Stochastic Gradient Descent),是机器学习中用于优化目标函数的迭代方法,特别是在处理大数据集和在线学习场景中。与传统的批量梯度下降(Batch Gradient Descent)不同,SGD在每一步中仅使用一个样本来计算梯度并更新模型参数,这使得它在处理大规模数据集时更加高效。
2024-02-18 12:39:51
2128
1
原创 手把手教你用Unet做眼底血管图像分割
Hi,这里是肆十二,今天我们来继续医学方向的毕设更新,今天选用的题材是基于Unet的眼底血管图像分割,废话不多说,我们直接开始!
2024-02-17 20:52:03
6842
3
原创 Python中tqdm模块的常用方法和示例
是一个快速,可扩展的Python进度条库,可以在 Python 长循环中添加一个进度提示信息,用户只需要封装任意的迭代器。不仅可以用于 range 等可迭代对象,还可以用于任何可迭代对象,如列表,元组,字典,集合,生成器等。在这个例子中,我们有两个嵌套的进度条。外部的进度条描述了主要的进度,内部的进度条描述了次要的进度。意味着当次要进度完成时,它的进度条会立即消失,不会留下空白的行。会返回一个可迭代的对象,每次迭代时,进度条会自动更新。参数用于设置进度条的描述,参数用于设置进度条的位置,
2024-02-17 10:55:27
532
原创 Pytorch-RMSprop算法解析
Hi,兄弟们,这里是肆十二,今天我们来讨论一下深度学习中的RMSprop优化算法。RMSprop算法是一种用于深度学习模型优化的自适应学习率算法。它通过调整每个参数的学习率来优化模型的训练过程。下面是一个RMSprop算法的用例和参数解析。
2024-02-16 23:41:16
1390
原创 Python中os模块的常用方法和示例
在Python中,os模块提供了许多与操作系统交互的函数,用于文件和目录管理、路径操作、环境变量等。以下是os。
2024-02-13 08:50:04
408
原创 Python中threading模块的常用方法和示例
Hi,大家好!这里是肆十二!Python的threading模块提供了多线程编程的能力,允许在同一时间内执行多个线程。下面是threading。
2024-02-13 08:48:02
575
原创 Python中Pymysql库的常见用法和代码示例
pymysql是一个用于连接MySQL数据库的Python库,它允许你执行SQL查询并处理返回的结果。以下是pymysql。
2024-02-12 21:26:25
681
原创 Python中Pillow库的常见用法和代码示例
Pillow是Python中非常流行的图像处理库,它提供了广泛的图像操作功能,如打开、保存、缩放、裁剪、旋转、调色等。下面我将为您展示Pillow库的一些常见用法和代码示例。首先,确保您已经安装了Pillow库。
2024-02-12 21:06:07
604
原创 [2024]常用的pip指令
在使用时,请确保你的pip版本是最新的,以获取最佳的使用体验和功能支持。pip是Python的包管理工具,它可以用来安装、升级、卸载Python包。当你有一个包含多个包及其版本信息的requirements文件时,可以使用此命令一次性安装所有列出的包。此命令将当前环境中所有已安装的包及其版本信息导出到一个文本文件中,通常用于项目依赖管理。如果你需要安装特定版本的Python包,可以使用此命令指定版本号进行安装。使用此命令可以查看指定包的信息,如版本号、安装路径等。使用此命令可以安装指定的Python包。
2024-02-11 17:35:13
1353
原创 [2024]常用的conda指令
Anaconda指的是一个开源的Python发行版本,也是一个安装、管理Python相关包的软件。具体来说,Anaconda是一个打包的集合,里面预装好了conda、某个版本的Python、众多packages、科学计算工具等等,因此可以看作是一个Python的科学计算发行版。conda是Anaconda中用于包管理和环境管理的工具,可以用于安装、更新、卸载包,并且可以创建、切换不同的虚拟环境。这些虚拟环境是相互独立的,可以有不同的Python版本和包集合,因此可以很好地解决不同项目之间的依赖关系问题。
2024-02-11 15:40:39
591
原创 DataProcess-VOC数据图像和标签一起进行Resize
当前的目标检测框架中,模型方面基本都已经固定下来,YOLO或者RCNN,靠模型很难取得大规模的增点,所以这个时候从图像的角度进行入手显得非常重要,这里推荐大家使用一个专业的切图工具。碎碎念:数据预处理真的很关键啊,好的数据预处理真的可以节省大量的时间。
2023-12-24 22:32:26
740
原创 OpenCV利用HSV颜色区间分离不同物体
很多时候,不需要过于依赖AI,通过传统的图像检测算法也能达到良好的效果,比如今天就通过HSV颜色通道的形式来进行分离,这在工业场景中是非常实用的。
2023-12-23 21:47:17
1245
1
原创 【2023-Pytorch-检测教程】手把手教你使用YOLOV5做麦穗计数
小麦是世界上种植地域最广、面积最大及产量最多的粮食作物,2021年世界小麦使用量达到7.54亿吨。小麦产量的及时预估对作物生产、粮食价格及粮食安全产生重大影响,单位面积穗数是小麦产量预估研究中的难点及重中之重。当前,人工估产方法依据专家目测估计产量,准确率得不到保证。取样估产方法通过采集部分区域,进行人工计数、称重,费时费力。随着计算机视觉技术的发展,大量研究致力于统计单幅图像中麦穗数进而实现估产,此类研究利用卷积神经网络强大的特征自学习能力,对麦穗进行特征提取,通过大量数据训练模型,进而成功实现对图像中麦
2023-03-22 23:12:41
6067
15
原创 【2023-Pytorch-检测教程】手把手教你使用YOLOV5做交通标志检测
交通标志的目标检测算法在计算机视觉领域一直属于热点研究问题,改进的优化算法不断地被提出。我们以[CCTSDB](https://github.com/csust7zhangjm/CCTSDB)数据集为例,用YOLOV5算法做交通标志识别。中国交通标志检测数据集(CCTSDB,Chinese Traffic Sign Detection Benchmark)由长沙理工大学 综合交通运输大数据智能处理湖南省重点实验室张建明老师团队制作完成。 目前的标注数据只有三大类:指示标志、禁止标志、警告标志。
2023-03-18 21:10:16
14725
10
原创 【2023-Pytorch-检测教程】手把手教你使用YOLOV5做电线绝缘子缺陷检测
绝缘子作为输电环节中的重要设备,在支撑固定导线,保障绝缘距离的方面有着重要作用。深度学习技术的大量应用,计算机运算性能的不断提高,为无人机准确识别和定位绝缘子,实时跟踪拍摄开辟了新的解决途径。本文对输电线路中绝缘子进行识别及定位,利用深度学习技术采取基于YOLOv5 算法的目标检测手段,结合绝缘子数据集的特点,对无人机拍摄图片进行训练,实现对绝缘子精准识别和定位,大幅提升无人机巡检时对绝缘子设备准确跟踪、判定的效率,具有十分重要的应用效果。
2023-03-15 16:41:53
18654
16
Unet++舌象图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-03-10
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-02-17
YOLOV5交通标志识别检测数据集+代码+模型+教学视频
2023-03-18
YOLOV5电线绝缘子缺陷检测数据集+代码+模型+视频讲解
2023-03-15
YOLOV5动物检测数据集+代码+模型 2000张标注好的数据+教学视频
2022-03-09
YOLOV5手势识别数据集+代码+模型 2000张标注好的数据+教学视频
2022-03-05
皮肤病语义分割数据集+代码+unet模型 2000张标注好的数据+教学视频
2022-02-13
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
2021-12-14
垃圾分类数据集和tf代码-8w张图片245个类.zip
2021-06-18
小麦叶片病虫害分类数据集-提高代码和教程.zip
2021-06-16
水稻叶片病虫害分类数据集-提供代码和教程.zip
2021-06-16
蔬菜识别数据集-提供代码和教程.zip
2021-06-16
苹果叶片病虫害分类数据集-提高代码和教程.zip
2021-06-16
脑肿瘤切片分类数据集-提供代码和教程.zip
2021-06-16
花卉识别数据集98类-提供代码和教程.zip
2021-06-16
花卉识别数据集5类-提供代码和教程.zip
2021-06-16
肺炎x光图片分类数据集-提供代码和教程.zip
2021-06-16
果蔬识别数据集.zip
2021-06-05
Fruit-Images-Dataset-master.zip
2021-03-12
snort-2.9.16.tar.gz
2020-04-23
daq-2.0.7.tar.gz
2020-04-23
基于视觉的目标检测与跟踪综述_尹宏鹏.pdf
2019-10-25
目标检测算法研究综述_方路平.pdf
2019-10-25
深层卷积神经网络的目标检测算法综述_张泽苗.pdf
2019-10-25
基于图像处理的烟雾检测E.pdf
2019-10-25
基于视频图像的黑烟车检测技术研究_彭翔.caj
2019-10-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人