AI
文章平均质量分 57
StarLish0715
以后,没有结果的事,就不开始了。
展开
-
openCV调用YOLOv5 ONNX模型
更改完成之后,使用netron查看导出的onnx模型,可发现上述操作把YOLO层的三个输出合并为一个输出,格式类似yolov4的格式。我做了一个夜间车辆检测,下面贴出运行结果。感觉检测结果边框有点变形,回头再看看哪出错了。调用导出的onnx,本文使用的openCV版本为4.5.1,使用4.4版本的可能会出现错误。//纠正之前边框检测不准确的问题(2022-06-31)//获取每一行的box框中含有某个物体的概率。//结果每个id对应置信度数组。//输出的网络宽度是类别数+5。转载 2022-11-08 20:51:19 · 1938 阅读 · 1 评论 -
C++部署pytorch模型
项目需要将pytorch训练好的网络用c++调用,在正式开始项目之前,在网上查了各种资料,共有三种实现方法:直接将网络从最基础的CNN模块用C++实现;将网咯模型和参数保存,然后使用opencv的DNN模块加载,这个方法tensorflow、torch等其他网络架构也能用,具体包含哪些下文会给出;* 使用pytorch官网提供的c++接口:LibTorch。其原理也是保存网络模型和参数,然后用LibTorch进行加载。由于第一项c++从第层撸起太过硬核,自己水平有限,此处就不做介绍。大佬们可以自己尝试。转载 2022-11-08 20:46:25 · 1589 阅读 · 0 评论 -
Ubuntu18配置CUDA10.2 cudnn8.0.1(cuda_10.2.run格式+cudnn-10.2-linux-x64-v8.0.1.13.tgz格式)
将改好名字的压缩包复制到主目录下,输入以下命令进行解压,会得到一个cuda的文件夹。3.发现nvidia-driver-470是推荐的显卡驱动,所以输入以下命令。下载后,文件出现在下载里,我在下载解压的时候出现无法提取到此处,把文件名改为。3.检查是否安装成功,输入以下代码,结果如图所示,则代表安装成功。4.重启电脑,输入以下命令,如图所示则代表安装成功。,选择cudnn8.0.5,没有账号须注册才能下载。最后更新一下环境变量,使软连接生效。若如下图所示,则代表安装成功。2.进入终端,分别输入。转载 2022-10-29 16:27:12 · 788 阅读 · 0 评论 -
ImageNet和COCO数据集分类
ImageNet Large Scale Visual Recognition Competition (ILSVRC)-ImageNet数据集标签名称中英文对照https://blog.csdn.net/Jwenxue/article/details/107285822COCO数据集的总计80个类https://www.it610.com/article/1279238350879866880.htm 0转载 2021-08-21 13:09:20 · 2317 阅读 · 0 评论 -
ImageNet图像数据集介绍
https://blog.csdn.net/fengbingchun/article/details/88606621 ImageNet图像数据集始于2009年,当时李飞飞教授等在CVPR2009上发表了一篇名为《ImageNet: A Large-Scale Hierarchical Image Database》的论文,之后就是基于ImageNet数据集的7届ImageNet挑战赛(2010年开始),2017年转载 2021-08-21 13:00:54 · 2761 阅读 · 0 评论 -
交通标志数据集-整理
中国交通标志检测数据集(CCTSDB)【新增测试数据】https://blog.csdn.net/dong_ma/article/details/84339007GTSDB:德国交通标志检测基准和GTSRB:德国交通标志识别基准(波鸿鲁尔大学)https://benchmark.ini.rub.de/?section=gtsrb&subsection=newsLISA交通标志数据集-在6610帧(Mogelmose,Trivedi和Moeslund)上的47种美国标志类型的视频,带有7855原创 2021-08-21 11:25:44 · 6175 阅读 · 3 评论 -
深度学习中常见的打标签工具和数据集集合
https://blog.csdn.net/xiaomu_347/article/details/83744828 集大家之所长汇集于此,希望对有需要的你能有所帮助。 一、打标签工具 (1)labelimg/labelme 这两款工具简便易行,前者主要用于对目标进行大致的标定,用于常见的框选标定,后者主要用于较为细致的轮廓标定,多用于mask rcnn等。安装也是很方便的,直接在终端下用pip install label转载 2021-08-21 10:13:30 · 9148 阅读 · 0 评论 -
深度学习中如何实现数据增强,扩大数据集
https://jingyan.baidu.com/article/4b52d702e6a167fc5c774bbb.html深度学习算法需要大量的训练数据,而有时我们收集不到太多的数据源,那么为了扩大数据集,可以采用数据增强手段来增加样本。下面介绍几种数据增强手段。工具/原料图像处理工具数据源图片方法/步骤1第一种方法是采用随机裁剪,裁剪原图像中的一部分,比如裁剪四角、中心或者上下部分等等,但是裁剪的尺寸不宜过小,如下图所示;2第二种方法是翻转或者镜像,可以水平翻转,也可以垂直翻转,如图中所示;3第三种转载 2021-08-21 09:53:18 · 3677 阅读 · 0 评论 -
安装pytorch步骤
https://blog.csdn.net/qq_37388085/article/details/102731887 1. Anaconda安装 安装步骤: 官网下载anaconda安装包https://www.anaconda.com/distribution/#downlo转载 2021-08-16 10:19:15 · 368 阅读 · 0 评论 -
面向新手的CNN入门指南(一)
https://zhuanlan.zhihu.com/p/37146355作者:Adit Deshpande编译:Bot编者按:最近小编在搜集CNN卷积计算方面的资料,希望能出一份清晰明了的图文列表,但即便是在CNN介绍已经泛滥的今天,一篇好的、简单易懂的博客文章都是那么稀缺。今天,小编就先编译加州大学洛杉矶分校学生Adit Deshpande的几篇入门文章,希望能给新手读者带来帮助。简介单从字面上看,卷积神经网络这个词听起来就像是生物学和数学的诡异组合,里面可能还掺了一点计算机科学的意味,但这种神经网络转载 2021-08-13 16:46:29 · 924 阅读 · 0 评论 -
Transformer在CV领域有可能替代CNN吗?
https://www.sohu.com/a/443439940_473283 原标题:Transformer在CV领域有可能替代CNN吗? 新智元推荐 来源:极市平台&知乎 编辑:SF 【新智元导读】Transformer有可能替换CNN吗?本文总结了来自于知乎问题:“如何看待Transformer在CV上的应用前景,未来有可能替代CNN吗?”下的3个精华回答,对Transformer在CV领域的未来发展提出了有价值的观点。 目转载 2021-08-11 16:51:03 · 269 阅读 · 0 评论 -
【深度学习】网络架构设计:CNN based和Transformer based
https://zhuanlan.zhihu.com/p/348503098 从DETR到ViT等工作都验证了Transformer在计算机视觉领域的潜力,那么很自然的就需要考虑一个新的问题,图像的特征提取,究竟是CNN好还是Transformer好? 其中CNN的优势在于参数共享,关注local信息的聚合,而Transformer的优势在于全局感受野,关注global信息的聚合。直觉上来转载 2021-08-11 16:50:07 · 312 阅读 · 0 评论