- 博客(145)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 NanoTrack原理与转tensorrt推理
NanoTrack 是一种轻量级且高效的目标跟踪算法，基于Siamese网络架构，旨在在资源受限的设备（如无人机、嵌入式系统等）上实现实时且精确的目标跟踪。随着计算机视觉领域的快速发展，传统的目标跟踪算法（如KCF等）逐渐暴露出在复杂场景中的局限性，特别是在处理目标的尺度变化、遮挡和背景复杂时，性能难以保证。本文档将详细介绍 NanoTrack 的模型结构以帮助读者更好地理解并应用该算法，同时对比pt、onnx、tensorrt进行推理的耗时情况。
2024-10-24 08:52:57
786
原创 OpenPCDet 训练自己的数据集详细教程！
这些天一直在尝试通过OpenPCDet平台训练自己的数据集（非kitti格式），好在最后终于跑通了，特此记录一下训练过程。树和猫，对于自定义数据集的训练我们交流了很多，之前他是通过我写的yolov5系列文章关注的我，现在我通过OpenPCDet 训练自己的数据集系列关注了他，着实让我感觉到了技术分享是一个圈。如果阅读本文对你有用，欢迎一键三连呀！！！2022年10月24日11:12:53。
2022-10-24 11:14:58
18785
169
原创 yolov5模型部署:Triton服务器+TensorRT模型加速（基于Jetson平台）
系列文章目录yolov5 win10 CPU与GPU环境搭建,亲测有效！yolov5训练自己的数据集，详细教程！yolov5转tensorrt模型Jetson调用triton inference server详细笔记Jetson下Triton部署yolov5的trt目标检测系统文章目录系列文章目录前言一、建立triton模型库1.1config文件编写1.2文件配置二、启动triton服务三、启动客户端测试图片测试视频总结前言在完成yolov5环境搭建，训练自己的模型，以及将yolov
2021-08-24 15:55:28
7151
45
原创 Jetson调用triton inference server详细笔记
文章目录一、jetson安装triton-inference-server1.1 jtop命名行查看jetpack版本与其他信息1.2下载对应版本的安装包1.3解压刚刚下载的安装包，并进入到对应的bin目录下1.4尝试运行一下tritonserver二、运行triton-inference-server2.1下载相关文件包2.2 生成模型文件2.3启动tritonserver三、测试triton client demo3.1安装客户端依赖项3.2安装python 客户端库3.3运行onnx分类模型demo总
2021-08-12 20:30:09
4004
10
原创 yolov4训练自己的数据集，详细教程！
系列文章目录文章目录系列文章目录创建yolo-obj.cfg 配置文件一、pandas是什么？二、使用步骤1.引入库2.读入数据总结创建yolo-obj.cfg 配置文件将 yolov4-custom.cfg 中的内容复制到 yolo-obj.cfg里面，并做以下修改：一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas a
2021-03-29 11:52:30
7831
2
原创 win10下Opencv源码编译支持CUDA加速的Python环境，超级详细教程！
环境准备1 vs20152 anaconda+Python3.7.4+numpy3 cuda和cudnn环境（cuda10.0+cudnn7.6.5）4 cmake5 OpenCV4.5.0以及OpenCV-contrib4.5.0压缩包OpenCV4.5.0下载地址https://www.bzblog.online/opencv/opencv-4.5.0/OpenCV-contrib4.5.0下载地址：https://www.bzblog.online/opencv/opencv_co
2021-02-23 12:00:19
2418
2
原创 yolov5训练自己的数据集，详细教程！
系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例
2021-01-16 14:54:50
5941
14
原创 yolov5 win10 CPU与GPU环境搭建,亲测有效！
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码
2020-12-28 21:33:53
24252
55
原创 MaskRCNN可视化界面开发(PyQt5)
MaskRCNN可视化界面开发(PyQt5)笔者因毕设要求，需要对maskRCNN进行封装，制作一个可视化界面。先来展示下效果图：文章目录MaskRCNN可视化界面开发(PyQt5)前言一、PyQt5及Designer、Pyuic插件安装二、设计UI界面1.使用Qt Designer来设计界面2.按钮事件3.ui文件转py代码三、编写逻辑代码前言本文默认已经实现了MaskRCNN的训练和测试，现在测试的基础上加一个UI界面。本文使用PyQt5进行界面开发。提示：以下是本篇文章正文
2020-12-08 15:35:56
3772
30
原创 Linux操作系统
Linux 操作系统文章目录Linux 操作系统1. Linux操作系统认知1.1 操作系统（Operation System简称OS）1.2 Linux系统介绍1.3 文件系统1.4 Ubuntu使用2. Linux常用命令2.1 终端与命令行2.2 Linux常用命令2.2.1 帮助命令2.2.2 基础操作命令2.2.3 文件操作2.2.4 压缩解压2.2.5 权限管理2.2.6 显示展示命令2.2.7 其他命令3. Linux服务器环境3.1 vi编译器3.1.1 什么是vi3.1.2 学习目的3
2020-06-30 22:47:36
8346
1
原创 Jetson安装Python3.8 tensorrt库
Jetson安装Python3.8 tensorrt库，需要确保正确Python与TensorRT版本，你的编译环境与目标平台（ARM架构）一致，避免使用不兼容的x86_64编译配置。后续使用python调用tensorrt与cuda进行推理速度还是很快的，能够达到50帧，这在板端也是很炸裂的存在！！！如果阅读本文对你有用，欢迎一键三连呀！！！2024年8月9日12:23:36。
2024-08-09 12:25:23
836
4
原创 通过cmakelist生成与调用C++动态链接库
此前有写过用编译工具链直接通过命令行的方式生成与调用C++动态链接库的方法，本文记录下通过cmake来实现so的生成。通过cmake进行so编译还是比较简单的，主要是用生成so替换原来生成的可执行文件，然后对main.cpp进行配置，能够正确调用生成的so。这样我们就实现了通过cmakelist生成与调用C++动态链接库。如果阅读本文对你有用，欢迎一键三连呀！！！2024年5月14日16:25:40。
2024-05-14 16:26:14
2123
1
原创 海思3559 yolov5 wk模型部署笔记
本文记录海思3559 yolov5 wk模型部署的具体过程，成功生成了可执行文件，后面就可以在板端进行运行测试！！
2024-02-22 17:33:17
1635
原创 海思3559 yolov5模型转wk详细笔记
目前项目需要在海思3559上开发，但查了相关文档，感觉还是比较复杂的。相比于3403、3519的使用atc工具直接从onnx->om，3559需要从onnx->caffer->wk则显得复杂许多，特此记录一下。海思3559是早些年的芯片，因此在模型转换的方式上相比于3403、3519的使用atc工具直接从onnx->om，3559需要从onnx->caffer->wk则显得稍显复杂。本文记录了yolov5模型由pt->onnx->caffe->wk的过程，希望对读者有所帮助。
2024-01-18 17:08:36
2624
1
原创 剑指Offer 队列&栈题目集合
时间复杂度：在最坏情况下，pop 操作的时间复杂度是 O(n)，但在平均情况下，当栈2中有元素时，pop 操作的时间复杂度是 O(1)。这是因为在平均情况下，元素不会每次都从栈1移动到栈2。总体而言，这个实现的 push 操作是 O(1)，而 pop 操作的最坏情况下是 O(n)，平均情况下是 O(1)。如果为空，则将栈 1 中的所有元素移到栈 2。使用两个栈来实现队列的功能。栈 1 用于存储入队的元素，而栈 2 用于存储出队的元素。空间复杂度： O(n)，辅助栈的空间，最差的情况下两个栈共存储N个元素。
2023-12-22 10:38:45
581
原创 剑指Offer 链表题目集合
采用双指针迭代，在遍历链表时，将当前节点的next 指针改为指向前一个节点。由于节点没有引用其前一个节点，因此必须事先存储其前一个节点。在更改引用之前，还需要存储后一个节点。最后返回新的头引用。我的第一想法是可以遍历链表，将每个节点的值存入数组中，然后将数组进行反转。空间复杂度：O(n)。额外使用一个数组存储链表中的每个节点。时间复杂度：O(n)。时间复杂度：O(n)，正向遍历一遍链表。空间复杂度：O(1)，常数空间复杂度。
2023-12-06 17:56:51
575
原创 目标检测中的损失函数：IOU_Loss、GIOU_Loss、DIOU_Loss和CIOU_Loss
之前在项目中存在目标检测框内嵌的情况（目标检测框存在内嵌情况分析与解决），正好趁这个机会记录下目标检测中常用的几种IOU_loss函数。IOU_Loss作为传统的衡量标准，为我们提供了一个基础,而GIOU_Loss、DIOU_Loss和CIOU_Loss则在其基础上引入了更多的信息，如目标框的形状和相对位置等，从而使得模型更加准确地学习目标的位置和形状。！！2023年12月4日20:03:02。
2023-12-04 20:04:16
3047
原创 昇腾Atlas 200I DK A2实现安全帽识别
本篇文章可以算是昇腾系列的一个入门样例，跑通了应该就能知道大概的操作流程，接下来应该又是一段难忘的开发心路历程，希望自己挺住！！！！！2023年11月24日14:55:12。
2023-11-24 14:56:59
1156
原创 目标检测框存在内嵌情况分析与解决
目标检测模型输出的检测框存在内嵌情况。，在推理性能足够的情况下，可以考虑使用。的信息，不用考虑影响因子，因此直接用。设置过大，没能滤除重叠检测框，原来。：在IOU和GIOU的基础上，考虑。标注框的信息，在训练时用于回归。有读者会有疑问，这里为什么不用。的基础上，添加的影响因子，包含。根据经验，第一感觉是后处理。：在DIOU的基础上，考虑。：在IOU的基础上，解决。目前分析最可能的原因是。但在测试过程中，并没有。此项目中用的是基本的。
2023-11-20 19:38:09
249
原创 光流法动目标检测
动目标检测是计算机视觉领域的一个热门研究方向。传统的方法主要基于背景建模，但这些方法对于光照变化、遮挡和噪声敏感。因此，研究人员一直在寻找更加鲁棒和有效的技术来解决这一问题。光流法是一种基于运动信息的动目标检测方法，它通过分析相邻帧之间的像素位移来捕捉物体的运动。这种方法可以在不需要显式背景建模的情况下实现动目标检测。。光流是指描述相邻图像帧中像素位移的矢量场。在光流法中，假设相邻帧之间的像素强度保持不变，即一个像素点在两帧之间的运动可以由一个矢量表示。这个矢量可以表示物体的速度和方向。
2023-10-24 09:00:00
1408
原创 Cmake入门介绍
在软件开发过程中，构建和管理项目是至关重要的任务之一。CMake是一个流行的构建工具，它可以帮助开发者跨不同平台和编译器构建和管理C/C++项目。本文将介绍CMake的基本概念以及如何使用它来简化项目的构建过程。CMake是一个开源的构建工具，用于自动化构建过程。它不直接构建项目，而是生成适用于不同编译器和操作系统的构建脚本，如Makefile、Visual Studio项目文件等。这使得开发者能够轻松地在不同平台上构建他们的项目。
2023-10-06 20:17:17
404
原创 C++手写NMS
目标检测模型推理后，一般都需要进行NMS操作进行多余框去重，板端部署一般不用opencv自带的NMS，所以记录下手写NMS的代码。NMS通常用于目标检测中，以去除重叠的检测结果，只保留最具代表性的结果，以提高检测的准确性。！！2023年9月27日15:58:10。
2023-09-27 15:59:50
1166
1
原创 模型推理后处理C++代码优化案例
这些条件判断可能会增加运行时间。确保这些条件判断是必要的，如果可能的话，尽量减少不必要的条件判断。这将涉及内存的重新分配和数据复制。为了避免这种开销，可以直接在循环中访问。本文是自己项目中遇到的实际问题，由于刚刚上手C++相关的项目，特此记录！可以将这些计算移动到条件判断的外部，以避免重复计算。模型推理后得到的数据后处理操作之前时间开销很大。2023年9月9日15:33:36。经过推理的后处理运行时间的优化。： 在循环中有一些条件判断，例如。C++任重而道远呀，加油呀！数组，而无需使用额外的向量。
2023-09-09 15:35:08
414
原创 生成与调用C++动态链接库（so文件）
动态链接库是代码重用和模块化的重要工具，它使得将功能封装为独立的库更加容易，同时还可以动态加载和升级这些库，提高了程序的灵活性和可维护性。当我们希望将C++源码编译成动态链接库，并在其他应用程序中调用这个动态链接库，是这篇文章的应用场景。这篇文档将介绍如何创建、编译、链接和调用C++动态链接库。PS:本文以下内容根据我实际工作项目编写,不采用demo的形式。本文介绍了如何制作C++动态链接库（so文件）以及如何从另一个C++程序中加载和调用该库。
2023-09-05 14:26:31
7779
1
原创 opencv动态目标检测
很久没更新文章了，这次因为工作场景需要检测动态目标，特此记录一下。这段代码演示了背景减除方法在移动目标检测中的应用，通过检测前景目标并在特定区域内绘制边界框，可以用于一些简单的运动分析和目标跟踪应用。
2023-08-09 17:16:51
3315
1
原创 Open3D实时点云显示
一般情况我们通过open3d中的进行点云可视化，但这个函数会锁定一个进程直到可视化的窗口被关闭，才会继续渲染下一帧点云图像，无法做到点云持续的动态显示。本文介绍了一个自定义渲染循环的教程。这里整体思想是按名称读取文件然后送入队列中，使用多线程进行点云显示，当文件读完之后，重新开始读取。读者可以根据自己的数据情况修改，已完成实时点云显示。如果阅读本文对你有用，欢迎一键三连呀！！！2022年11月18日15:38:30。
2022-11-18 15:41:25
4599
原创 Triton推理服务器吞吐量测试
性能分析器是优化模型性能的重要工具，决定如何在单个 GPU 上最好地运行多个模型。除了启用模型实例，还是可以设置启用动态批处理器，这两项也可以同时启用，可以根据自己的配置进行设置比较。通过模型分析器部分介绍了一种工具，可帮助我们了解模型的GPU 内存利用率，以便决定如何在单个 GPU 上最好地运行多个模型。如果阅读本文对你有用，欢迎一键三连呀！！！2022年9月15日20:12:35。
2022-09-15 20:14:17
1879
2
原创 Ubuntu18.04安装OpenPCDet：spconv一键安装
最近在摸索点云数据的处理，希望实现对点云数据的目标检测。但是在复现算法时遇到很多坑，特此记录一下。不建议在windows环境下测试程序，笔者自己测试下，windows总会遇到奇奇怪怪的报错。本次环境安装前前后后搞了两天，但最后还是跑出了点云的目标检测算法的demo，结果还算是好的。httpshttps如果阅读本文对你有用，欢迎一键三连呀！！！2022年7月21日163041httpshttpshttpshttpshttps。.........
2022-07-21 16:31:18
1592
原创 python配置文件的两种方式
在运行项目程序时通常会有一个配置文件，配置文件是用于配置程序的参数和初始化设置的文件。比如现在要做一个项目，在部署程序时，需要摄像头IP地址、数据库地址、数据库名称，这些都可以作为配置项写入配置文件。当程序实地部署时，只需要修改配置文件，不需要去代码当中到处查找修改。本文以下配置内容以配置多个摄像头为例。新建一个文件，将程序运行所需的摄像头参数写入一个类中。测试代码：yaml文件作为配置文件首先需要安装相应的包yaml支持的数据结构有3种：对象：对象的一组键值，使用冒号表示（注意：编写的时候最好冒
2022-07-12 10:12:22
2892
原创 实现对python源码加密的方法
由于项目的保密性需求，对已开发完成的项目需要进行加密处理，本文给出两种方法。加密py代码,虽然编译为pyc作用不大(很容易被反编译出来源码),但还是有一定加密的效果,如果项目比较时间紧，可以用此方法应急处理。该命令会把目录下的py文件都会生成相应的pyc文件然后执行以下命令,删除掉py文件,只保留pyc文件最后执行运行pyc文件就可以了如：注意：此方法加密与使用的python版本要一致，否则会报错。即运行与的版本要保持一致。2.2新建py2so.py文件填写如下内容：2.3编译项目文件夹运
2022-07-01 09:10:37
4906
原创 Ubuntu安装cuda与cudnn，亲测可用
前段时间被派到现场去部署算法，之前同事搭好的环境不好用了，具体表现为：1.屏幕的分辨率显示很奇怪且不可调节2.输入命令，显示错误不得以在现场重装了、与，故以本文记之。这里介绍笔者感觉比较方便的一种方法在终端输入：，得到有关本机显卡其驱动的相关信息，如图所示（因为本地服务器已经安装了驱动，这里笔者通过SSH只做过程演示）：可以看到为推荐版本，如果你认可推荐版本，那只需要输入 就可以自动安装了；如果你想安装，只需输入便可安装了，当然也可以通过此命令安装推荐的版本。若 安装失败可以通过尝试安装，即。
2022-06-02 18:03:35
21646
18
原创 Ubuntu中docker部署gpu版pytorch
文章目录docker简介安装docker与NVIDIA-docker安装docke安装NVIDIA-docker安装显卡驱动拉取pytorch GPU版镜像文件运行pytoch容器总结docker简介Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的 Linux或Windows操作系统的机器上，也可以实现虚拟化。作为一种轻量级的虚拟化方式， Docker在运行应用上跟传统的虚拟机方式相比具有显著优势：Docker容器很快， 启动
2022-05-04 21:35:13
1933
1
原创 基于yolov5与Deep Sort的流量统计与轨迹跟踪
系列文章目录目标跟踪——SORT算法原理浅析目标跟踪——Deep Sort算法原理浅析基于yolov5与Deep Sort的流量统计与轨迹跟踪文章目录系列文章目录前言一、整体目录结构二、Deep Sort代码参数解释三、代码展示总结前言先来看下实现效果：上图展示了用yolov5作为检测器，Deep Sort为追踪器实现了对车流量的统计并绘制了每辆车的运行轨迹。一、整体目录结构下图展示了项目的整体目录结构：其中：deep_sort文件下为目标跟踪相关代码；weights文件夹
2022-04-15 10:05:20
16982
89
原创 目标跟踪——Deep Sort算法原理浅析
目标跟踪文章目录目标跟踪——SORT算法原理浅析目标跟踪——DeepSort算法原理浅析文章目录目标跟踪文章目录前言多目标跟踪主要流程DeepSort总结前言背景：DeepSort是基于Sort目标跟踪进行的改进，它引入深度学习模型，在实时目标跟踪过程中，提取目标的外观特征进行最近邻近匹配。目的：改善有遮挡情况下的目标追踪效果；同时，也减少了目标ID跳变的问题。核心思想：使用递归的卡尔曼滤波和逐帧的匈牙利数据关联。多目标跟踪主要流程给定视频原始帧。运行目标检测器如Faster
2022-04-07 11:50:35
11405
原创 目标跟踪——SORT算法原理浅析
目标跟踪文章目录目标跟踪——SORT算法原理浅析文章目录目标跟踪文章目录SORT算法卡尔曼滤波匈牙利算法SORT核心算法流程总结SORT算法Simple Online and Realtime Tracking(SORT)是一个非常简单、有效、实用的多目标跟踪算法。在SORT中，仅仅通过IOU来进行匹配虽然速度非常快，但是ID switch依然非常严重。SORT最大特点是基于Faster R-CNN的目标检测方法，并利用卡尔曼滤波算法与匈牙利算法，极大提高了多目标跟踪的速度。SORT算法核心
2022-03-30 14:51:56
12596
4
Linux.html
2020-06-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人