- 博客(204)
- 资源 (6)
- 收藏
- 关注
原创 YOLOv5(ultralytics) pytorch转onnx
1.官方自带的export.py,选择模型python export.py --weights weights/yolov5s.pt --img 640 --batch 12.根据错误提示pip install coremltools、packaging。然后继续运行1的命令3.此时 weights下出现三个文件 :onnx、mlmodel、torchscript4.使用神经网络Netron,出现网络结构图。import netronnetron.start('yolov5s.onnx')
2021-10-26 13:30:22 1266
原创 yolov3(ultralytics yaml版) pytorch->onnx->ncnn
此命令将预训练的 YOLOv3模型(默认yolov3.pt,或者yolov3-tiny.pt)导出为 ONNX、TorchScript 和 CoreML 格式。python models/export.py --weights weights/yolov3.pt --img 640 --batch 1输出:3 个导出的模型(yolov3.mlmodel , yolov3.onnx , yolov3.torchscript.pt)将与原始 PyTorch 模型一起保存推荐使用Netron View
2021-10-19 10:53:37 729
原创 使用DeepStream5.0-python-API 部署yolov5
网上几乎都是使用c来部署yolov5的,使用python-API的我还没找到,github上也没找到用python编写的代码来启动yolov5,好在经过对c部署yolov5的研究,实现了使用DeepStream5.0-python-API 部署yolov5。我们已经在之前部署过python-API-yolov3,目录sources/deepstream_python_apps-1.0/apps/deepstream-yolov3-python。也部署过C-API-yolov5,一拍即合。在sources
2021-10-15 17:25:32 1096 1
原创 DeepStream5.0-C-API 部署yolov5
网上用c来部署yolov5的工程有很多,介绍一种包含yolov3/yolov4/yolov5(3.0/4.0/5.0)的github项目,我只实现了yolov5-5.0的工程,且使用了硬解码,其他算法自行实践。下面以yolov5s.pt为例子,需要使用TensorRT加速,需要模型的转化。1、将 PyTorch 模型转换为 wts 文件下载源码:git clone https://github.com/wang-xinyu/tensorrtx.gitgit clone https://github
2021-10-15 17:21:04 1116 2
原创 gstreamer 硬解码 Python
import cv2# rtsp://admin:tensorsight666@192.168.8.129:554/h265/ch1/main/av_streampipeline = "rtspsrc location=\"rtsp://admin:tensorsight666@192.168.8.129:554/\" ! rtph264depay ! h264parse ! omxh264dec ! nvvidconv ! video/x-raw, format=(string)BGRx! video
2021-10-11 15:33:02 933
转载 gitlab新建分支并上传本地代码
初始化本地仓库git init添加所有项目文件git add .先提交到本地的仓库(不是直接提交到gitlab上)git commit -m “你想要提交的备注信息”添加Gitlab远程仓库地址git remote add origin git@192.168.110.100:youngelitespace/yes-web.git创建新的分支git branch fullYoungSpacePage切换到新分支下git checkout fullYoungSpacePage
2021-10-11 13:44:08 2514
原创 Jetson nano | 实现人脸识别
人脸识别代码库https://github.com/ageitgey/face_recognition安装参考:https://blog.csdn.net/ABC__xiaoming/article/details/116611523报错linano@jetson-nano$:python3 mpy-Copyl.py[ WARN:0 ] qlobal /home/nvidia/host/build opencv/nv opencv/modules/videoio/src/cap qstreame
2021-08-26 16:04:48 2488 3
转载 yolov5 | 移动端部署yolov5s模型
移动端的部署有这么几条路:(以yolov5s.pt模型为例)pt文件 --> onnx文件/torchscript文件 --> ncnn --> 安卓端部署(android studio编写)pt文件 --> onnx文件/torchscript文件 --> ML文件 --> ios端部署(需要mac系统运行xcode编写)pt文件 --> onnx文件 /torchscript文件/wts文件–> openvino/tensorrt 等部署平台 --
2021-08-25 16:13:31 4520 2
原创 安装使用DeepStream-Yolo
DeepStream-Yologit clone https://github.com/marcoslucianops/DeepStream-YoloYOLO 模型的 NVIDIA DeepStream SDK 5.1 配置此存储库的改进Darknet CFG 参数解析器(不需要编辑 nvdsparsebbox_Yolo.cpp 或其他用于本地模型的文件)支持 new_coords、beta_nms 和 scale_x_y 参数支持官方 DeepStream SDK YOLO 中不支持的新模型
2021-08-25 02:04:43 2194
原创 Jetson Nano | DeepStream部署Yolov5(Pytorch模型-->wts 文件-->TensorRT模型)
https://blog.csdn.net/onetwothree_go/article/details/116132760https://zhuanlan.zhihu.com/p/296314513https://blog.csdn.net/hahasl555/article/details/116500763?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162948266716780264096806%2522%252C%252
2021-08-24 22:41:22 11599 39
原创 TensorRTx
TensorRTxhttps://github.com/wang-xinyu/tensorrtxTensorRTx旨在通过tensorrt网络定义API实现流行的深度学习网络。正如我们所知,tensorrt有内置的解析器,包括caffeparser、uffparser、onnxparser等。但是当我们使用这些解析器时,我们经常会遇到一些“不支持的操作或层”问题,特别是一些最先进的模型正在使用新类型的层。那么我们为什么不跳过所有的解析器呢?我们只是使用TensorRT网络定义API来构建整个网络,它
2021-08-22 22:30:32 1909
原创 Jetson Nano | darknet (yolov3.4-tiny)摄像头实时检测
因为用的是opencv4所以使用yolo3编译可能回出错,可以换成yolov4或yolov4-tiny,同时YOLO V4无论在精度和速度上都较YOLO V3有了很大的提升,为在性能受限的嵌入式设备上部署检测程序提供了可能。但是由于2GB版本内存比较小,跑yolo4会出现卡住的情况,yolov4和yolov4-tiny的区别是:tiny是yolov4的压缩版,主要运行小算力cpu核心版本,在jetso nano 上使用tiny版帧率会比yolov4提升十多倍。总的来说还是推荐使用yolov4-tiny,帧
2021-08-22 14:04:33 2896 3
原创 Jetson Nano | jetson-inference(识别、检测)
https://blog.csdn.net/beckhans/category_8839715.htmlhttps://blog.csdn.net/baidu_26678247/article/details/109025873问题解决方法:https://zhuanlan.zhihu.com/p/343537626https://www.cnblogs.com/vcan123/p/13269218.htmlhttps://mp.weixin.qq.com/s?__biz=MjM5NTE3Nzk
2021-08-22 13:56:25 3065
原创 Ubuntu18.04 TensorRT7.0 安装和使用
1.安装依赖环境。CUDA9.0, 10.0, or 10.2。CuDNN 7.6.5 。Python 2 or Python 3 (Optional)2.下载TensorRT tar文件。访问: https //developer nvidia .com/tensorrt。选择TensorRT版本并下载3.选择安装的文件夹,所有的安装文件最终都安装在以Tenso:RT-version对应的子文件夹中4解压tar文件$ tar xzvf TensorRT-${version}.${os
2021-08-20 18:12:24 1378
原创 TensorRT | 入门篇
文章目录Why TensorRTTensorRT部署流程TensorRT之大胃王TensorRT 模型导入流程TensorRT 优化细节TensorRT 部署方法Why TensorRT训练对于深度学习来说是为了获得一个性能优异的模型,其主要的关注点在于模型的准确度等指标。推理则不一样,其没有了训练中的反向迭代过程,是针对新的数据进行预测,而我们日常生活中使用的AI服务都是推理服务。相较于训练,推理的关注点不一样,从而也给现在有技术带来了新的挑战:根据上图可知,推理更关注的是高吞吐率、低响应时间、低
2021-08-19 15:29:28 1733
原创 Docker 指令学习
镜像命令查看 docker images搜索下载镜像删除镜像容器命令有了镜像,才能创建容器新建容器并启动docker pull centos列出运行的容器退出容器删除容器
2021-08-17 14:37:37 192
转载 Git使用
1.Git是什么呢?简单来说,Git是一个分布式的版本控制系统。2.如何安装Git?自行到git官网上就可以下载好了网址:https://git-scm.com/downloads3.总结各种类型Git命令在使用Git的时候,我们要对Git处理的过程有大致的了解。解释一下上面的名词:Workspace:工作区Index / Stage:暂存区Repository:仓库区(或本地仓库)Remote:远程仓库1.新建本地仓库# 在当前目录新建一个Git代码库$ gi.
2021-08-09 20:01:39 107
原创 yolov3(ultralytics cfg旧版) 代码详解
YOLOv3.cfg文件解析[net]#Testing#batch=1#subdivisions=1# 在测试的时候,设置 batch=1,subdivisions=1#Trainingbatch=16subdivisions=4# 这里的 batch 与普遍意义上的 batch 不是一致的。# 训练的过程中将一次性加载 16 张图片进内存,然后分 4 次完成前向传播,每次 4 张。# 经过 16 张图片的前向传播以后,进行一次反向传播。width=416height=416
2021-08-07 21:10:10 1628 2
原创 yolov3(ultralytics cfg版-v5-v8 / yml版v9) 训练、检测、可视化
https://github.com/ultralytics/yolov3YOLOv5GPU 速度使用批大小为 32 的 V100 GPU 测量每张图像的端到端时间平均超过 5000 张 COCO val2017 图像,包括图像预处理、PyTorch FP16 推理、后处理和 NMS。EfficientDet 数据来自google/automl,批量大小为 8。重现通过python test.py --task study --data coco.yaml --iou 0.7 --weig
2021-08-07 15:57:16 6641
原创 YOLOv5(ultralytics) 检测火焰
请参考:YOLOv5(ultralytics) 训练自己的数据集,VOC2007为例Fire Dataset:https://github.com/OlafenwaMoses/FireNET/releases/download/v1.0/fire-dataset.zip将数据下载在yolov5/my_data文件夹下,进行文件夹合并,弄成如下:1、ImageSets/Main文件夹下生成train.txt,val.txt,test.txt和trainval.txt四个文件(存放图片名字):my
2021-08-02 16:28:24 1667 5
原创 YOLOv5(ultralytics) 训练自己的数据集,VOC2007为例
官方教程:https://github.com/ultralytics/yolov5/wiki/Train-Custom-DataVOC格式数据1.在yolov5目录下创建VOC2007文件夹,有VOC2007 …Annotations # 存放图片对应的xml文件 …JPEGImages # 存放图片 …ImageSets/Main #之后会在Main文件夹内自动生成train.txt,val.txt,test.txt和trainval.txt四个文件,存放训练集、验证集、测试集图片的名
2021-08-02 14:43:28 4443 12
原创 快速入门 YOLOv5(ultralytics)
YOLOv5 是一系列在 COCO 数据集上预训练的对象检测架构和模型,代表Ultralytics 对未来视觉 AI 方法的开源研究,结合了在数千小时的研究和开发中获得的经验教训和最佳实践。https://github.com/OlafenwaMoses/FireNET/releases/download/v1.0/fire-dataset.zip文档有关训练、测试和部署的完整文档,请参阅YOLOv5 文档。快速入门示例安装Python>=3.6.0需要安装所有 requirement
2021-08-02 14:42:37 7554
转载 SimAM:无参Attention!助力分类/检测/分割涨点!
SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks论文链接(已收录于ICML 2021):http://proceedings.mlr.press/v139/yang21o.htmlcode: https://github.com/ZjjConan/SimAM本文是中山大学在注意力机制方面的尝试,从神经科学理论出发,构建了一种能量函数挖掘神经元重要性,并对此推导出了解析解以加速计算。通.
2021-07-25 21:49:02 20944 5
转载 旷视开源YOLOX
导读YOLO系列终于又回到了Anchor-free的怀抱,不用费劲心思去设计anchor了!旷视开源新的高性能检测器YOLOX,本文将近两年来目标检测领域的各个角度的优秀进展与YOLO进行了巧妙地集成组合,性能大幅提升。《YOLOX: Exceeding YOLO Series in 2021》paper: https://arxiv.org/abs/2107.08430code: https://github.com/Megvii-BaseDetection/YOLOX本文是旷视科技在目标检
2021-07-22 22:18:30 346
原创 MS COCO数据集 、pycocotools工具包使用
https://blog.csdn.net/qq_37541097/article/details/113247318
2021-07-22 20:30:48 414
转载 Point Transformer 学习笔记
https://blog.csdn.net/qq_43310834/article/details/113809360https://bbs.cvmart.net/articles/4560/vote_counthttps://zhuanlan.zhihu.com/p/337603099摘要自注意力网络彻底改变了自然语言处理,并且在图像分析任务(例如图像分类和目标检测)方面取得了令人瞩目的进步。受此启发,我们研究了自注意力网络在3D点云处理中的应用。我们为点云设计了自注意层,并使用它们构建用于语义
2021-07-19 10:28:40 976
转载 CV attention | PSA:极化自注意力,助力语义分割/姿态估计涨点!
导读注意力机制是一个被广泛应用在各种CV任务中的方法。注意力机制根据施加的维度大致可以分为两类:通道注意力和空间注意力。对于通道注意力机制,代表性的工作有SENet[2]、ECANet[3];对于空间注意力机制,代表性的工作有Self-Attention[4]。空间和通道两个维度的双重注意力机制也被提出,代表工作有CBAM[1],DANet[5]。基于双重注意力机制,本文针对Pixel-wise regression的任务,提出了一种更加精细的双重注意力机制——极化自注意力。作为一个即插即用的
2021-07-17 21:21:22 6249 1
原创 反卷积(Deconvolution)与棋盘效应(Checkerboard Artifacts)
棋盘效应当我们要用到深度学习来生成图像的时候,是往往是基于一个低分辨率且具有高层语义的特征图。这会使得深度学习来对这种低分辨率特征图进行填充细节。一般来说,为了执行从低分辨率特征图到高分辨率图像之间的转换,我们往往要进行deconvolution。简单来说,deconvolution layer可以允许模型通过每一个点进行绘制高分辨率图像上的一个方块,这种情况的产生与deconvolution的stride、kernel size有关。但不幸的是,当卷积核大小不能被步长整除的时候,会出现棋盘现象。问题
2021-07-15 20:05:06 2023 1
Yolov8n.pt凯源文件
2023-11-08
webinar-deepstream-sdk-improve-video-analytics.pdf
2021-10-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人