自己数据训练的yolov7模型支持SAHI

已于 2023-11-30 20:37:22 修改
阅读量384 收藏 6
点赞数 9
文章标签： 深度学习
于 2023-11-30 20:35:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/heathyhuhu/article/details/134721237
版权

当前已有的SAHI 模型仅能支持pytorch hub 上预定义的模型，如果想要让自己的模型支持SAHI，该如何操作了？博主经过探索，已经发现其中的奥秘，想要欲知详情，请留言！！

heathyhuhu
关注
  • 9
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
sahi api 离线文档
08-30
解压后，点击文件夹里的index.html来查看api和使用指南
yolov5.7输入图像切片，推理之后采用拼接处理
chenyuan1111的博客
09-26 656
最近在使用yolov5检测大图像中的小缺陷的时候，发现采用主流的sahi等的处理方式，会让推理速度变得很慢。C++重写python逻辑开发周期又太长。所以尝试自己写一下图像切片，将大图像分割成小图像未入网络。
SAHI加载yolov5本地模型
qq_45250951的博客
08-10 913
为sahi提供本地接口
【目标检测】SAHI: 切片辅助推理和微调小目标检测
兴趣使然的创作者
08-26 4809
在我之前的文章中，写过一种对于微小目标的检测策略，即将大图裁成多个小图，每个小图分别进行检测，最后将所有的检测结果进行叠加，统一使用NMS进行滤除。但是经过实验，该方法的效果并不是非常明显。SAHI也采用了类似切片检测的思路，不同的是其采用了更多策略，并将其封装成了一个检测框架，支持 Detectron2，MMDetection和YOLOv5。论文标题：Slicing Aided Hyper Inference and Fine-tuning for Small Object Detection。...
使用Sahi测试Dojo应用
03-02
在开始介绍Sahi之前，我们一起来看看在开发Web自动化测试（特指Web2.0应用）时常面临的两大技术问题。根据个人经验，以下几点会给页面元素的识别带来障碍1.页面DOM树随着产品版本升级频繁发生变化。2.页面元素没有id属性或者id属性值是动态的。3.页面中具有相同属性的元素不止一个。1.针对第一点，恐怕没有太好的解决方案，所以只能随着产品的改变更新自动化测试的代码。关于这一点，如果能够存在某种元素识别方法能够以最小的代码改动应对产品变化，那就是最理想的了。2.针对第二点，解决方案是要求开发团队对所有测试中用到的元素增加用以识别元素的静态属性值。这听起来容易，但做起来未必简单。一来，开发团队
基于SAHI模块结合YOLOv5-5.0实现超分辨率小目标检测示例源码(含使用方法).zip
12-20
line4: yolov5_model_path = yolov5_model_path = "C:\\Users\\kiven\\Desktop\\SAHI\\yolov5s6.pt" # 放置你的权重地址 line10: device="cuda:0", # or 'cpu' ``` 4. please change your path and divice 5. ...
使用Sahi实现Web自动化测试
02-20
Sahi支持HTTPS并且独立于Web站点，简单小巧却功能强大。它相对于Selenium等自动化测试工具，在动态ID元素查找和隐式页面等待处理等方面具有一定的优势。选择Sahi工具来实现具体Web项目的自动化测试是一个很不错的...
sahi os补丁
07-08
为sahi os增加操作excel方法，详见sahi官网api 将update.jar放到sahi安装后的根目录下执行
sahi切片辅助训练推理
qq_33596242的博客
10-19 428
sahi切片 yolo 格式转换
【深度学习】YOLOv5，金属表面的缺陷检测，GC10-DET数据集
最新发布
q742971636的博客
04-26 381
数据集的lable文件夹下是每个图片的框和类别标记，是xml格式。
勾八头歌之RNN
m0_62470904的博客
04-23 457
【代码】勾八头歌之RNN。
【深度学习（1）】研0和研1如何上手深度学习及定方向
weixin_46050242的博客
04-23 234
0基础上手深度学习 包括书籍pdf以及一些推荐的视频
【TensorFlow深度学习】TensorFlow数据类型详解与数值精度影响
yuzhangfeng的博客
04-23 1038
创建全为-1的张量TensorFlow提供的数据类型和数值精度选项为深度学习模型的开发提供了灵活性。开发者应根据具体的应用场景和需求，选择合适的数据类型和数值精度，以平衡模型的性能和结果的准确性。
2024-04-23 问AI: 在深度学习中，介绍一下u-net模型。
baidu_24377669的博客
04-23 907
在U-Net模型的最底部和最顶部之间，存在一个跳跃连接（skip connection），这是U-Net的一个关键创新。此外，由于其结构的对称性和跳跃连接的存在，U-Net在训练时可以利用较少的样本进行高效的网络学习。总的来说，U-Net模型通过其独特的对称结构和跳跃连接，实现了在图像分割任务中的精确且高效的性能。总的来说，U-Net是深度学习领域的一个重要模型，特别是在需要精确图像分割的应用场景中，U-Net展现出了强大的性能和灵活性。U-Net是一个专门为生物医学图像分割设计的深度学习模型，它以其。
深度学习-N维数组和访问元素
Einstein·Jun
04-23 211
N维数组是机器学习和神经网络的主要数据结构。
深度学习基础之《TensorFlow框架（14）—TFRecords》
csj50的专栏
04-23 408
1、TFRecords其实是一种二进制文件，虽然它不如其他格式好理解，但是它能更好的利用内存，更方便复制和移动，并且不需要单独的标签文件。（3）将协议内存块序列化为字符串，并且通过tf.io.TFRecordWriter写入到TFRecords文件。（2）将数据填入到Example协议内存块（protocol buffer）3、文件格式*.tfrecords。一、什么是TFRecords文件。二、Example结构解析。
深度学习下的视觉SLAM综述
一点人工一点智能的博客
04-23 1120
本综述涵盖了深度学习技术应用到SLAM领域的最新研究成果，重点介绍和总结了深度学习在前端跟踪、后端优化、语义建图和不确定性估计中的研究成果,展望了深度学习下视觉SLAM的发展趋势，为后继者了解与应用深度学习技术、研究移动机器人自主定位和建图问题的可行性方案提供助力。
yolov5 sahi
08-31
Yolov5 Sahi是一个项目，它是在sahi项目中添加了对Yolov5模型的支持。通过在sahi的model.py文件中创建一个新的类，继承自DetectionModel，并实现几个必要的方法，就可以支持Yolov5模型的使用。具体的实现可以参考Yolov5DetectionModel类的代码。 在使用Yolov5 Sahi时，你需要下载Yolov5模型和测试图片。通过运行命令行检测指令，你可以使用Yolov5 Sahi对测试图片进行目标检测。 此外，你还可以使用示例代码来更好地理解如何使用Yolov5 Sahi。代码中展示了如何下载Yolov5模型和测试图片，并创建Yolov5DetectionModel对象来进行目标检测。你还可以使用get_sliced_prediction方法将待测试图片分成多个小图进行检测，并将检测结果进行拼接。最后，你可以使用export_visuals方法将检测结果保存下来。 总结来说，Yolov5 Sahi是一个可以对图像进行目标检测的项目，它支持使用Yolov5模型，并提供了方便的工具和方法来进行目标检测操作。你可以根据需要下载模型和测试图片，并按照示例代码进行使用。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [SAHI强化YOLOv5在小目标上的表现](https://blog.csdn.net/djstavaV/article/details/120559239)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值