目标检测
文章平均质量分 68
heromps
这个作者很懒,什么都没留下…
展开
-
ubantu安装opencv
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库。OpenCV 提供了丰富的工具和功能,用于图像处理、视频分析和计算机视觉应用开发。原创 2024-06-28 14:44:52 · 914 阅读 · 0 评论 -
mac安装opencv并在vscode中配置c++环境调试推理YOLOv8网络模型
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉库,提供了丰富的图像处理和计算机视觉算法。它支持多平台(包括 Windows、Linux、macOS)和多种编程语言(如 C++、Python、Java),使其成为研究、开发和部署计算机视觉应用的重要工具之一。原创 2024-06-26 11:32:49 · 1233 阅读 · 0 评论 -
将两个YOLO格式的数据集合并,并保持相同类别
最近在做两个YOLO格式的数据集合并,第一个数据集包含了第二个数据集的类别,但是相应的类别id对应不住,需要修改第二个数据集的类别标签与第一个数据集对应住。原创 2024-04-30 13:54:07 · 1198 阅读 · 0 评论 -
YOLOv8+bytetrack实现多目标追踪
ByteTrack是一种基于检测的目标追踪算法,它在YOLOv8检测器的基础上进行了改进,实现了更高效的目标追踪,具有简单、高效和通用的特点。相较于传统的多目标跟踪方法,ByteTrack不依赖于ReID模型,而是通过关联每个检测框来进行跟踪。这种方法可以有效地解决低分检测框被简单丢弃的问题,从而减少漏检和碎片化轨迹的情况。ByteTrack算法流程如下:首先,使用目标检测器对当前帧进行检测,得到一系列候选目标框。原创 2024-04-29 17:48:27 · 3294 阅读 · 1 评论 -
win中python中OpenCV使用cv2.imshow()报错的解决办法
【代码】win中python中OpenCV使用cv2.imshow()报错的解决办法。原创 2024-04-29 16:16:18 · 4407 阅读 · 0 评论 -
windows Mamba安装
最好是进行下载local文件进行本地安装,exe可能需要科学,安装完了之后可以直接进环境变量path看看是否有cu11.8(nvidia-ssm中的cuda version只是安装过版本问题,只需要查看nvcc -V查看是否为。创建虚拟环境并且安装cudatoolkit==11.8,这样在虚拟变量中会额外有一个cuda版本(比较便捷),后面的cuda-nvcc一定要加,不然当前虚拟环境可能找不到对应的cuda版本。安装Causal-Conv1d在checkout的时候一定要找对应cuda的版本。原创 2024-04-21 00:42:10 · 1792 阅读 · 0 评论 -
Git:使用conda命令切换虚拟环境
在win10电脑的Git中,无法使用conda list命令,报错(bash:conda:command not found)。也无法使用conda activate base命令激活虚拟环境,报错(bash:conda:command not found)。原创 2024-04-20 23:53:08 · 670 阅读 · 0 评论 -
手动实现Vit vision transformer
ViT是2020年Google团队提出的将Transformer应用在图像分类的模型,虽然不是第一篇将transformer应用在视觉任务的论文,但是因为其模型“简单”且效果好,可扩展性强(scalable,模型越大效果越好),成为了transformer在CV领域应用的里程碑著作,也引爆了后续相关研究ViT将输入图片分为多个patch(16x16),再将每个patch投影为固定长度的向量送入Transformer,后续encoder的操作和原始Transformer中完全相同。原创 2024-04-19 16:45:47 · 1046 阅读 · 0 评论 -
strict=False后还是报错RuntimeError: Error(s) in loading state_dict for Siamese:
我们知道通过可以暂且忽略掉模型和参数文件中不匹配的参数,先将正常匹配的参数从文件中载入模型。一开始感觉很奇怪,我已经写明strict=False了,不匹配参数的不管就是了,为什么还要给我报错。原创 2023-10-22 10:17:31 · 887 阅读 · 0 评论 -
YOLOv5,v8中文标签显示问题
本人使用的是YOLOv5-7.0,YOLOv8的最新版本。原创 2023-08-31 08:32:04 · 4425 阅读 · 9 评论 -
YOLOv5 7.0添加ACmix
ACmix探讨了卷积和自注意力这两种强大技术之间的关系,并将两者整合在一起,同时享有双份好处,并显著降低计算开销,可助力现有主干涨点,如Swin、ResNet等。卷积和自注意力是表示学习的两种强大技术,它们通常被认为是两种彼此不同的同行方法。在本文中,我们表明它们之间存在很强的潜在关系,从某种意义上说,这两种范式的大量计算实际上是通过相同的操作完成的。具体来说,我们首先证明内核大小为 k × k 的传统卷积可以分解为k2个单独的 1 × 1 卷积,然后进行移位和求和操作。原创 2023-08-30 09:46:44 · 677 阅读 · 3 评论 -
《基于AidLux的自动驾驶智能预警应用方案》
AidLux是一个构建在ARM硬件上,基于创新性跨Android/鸿蒙+Linuxi融合系统环境的智能物联网(AIoT)应用开发和部署平台。AidLux软件使用非常方便,可以安装在手机、PAD、ARM开发板等边缘端设备上。而且使用AidLux开发的过程中,既支持在边缘设备的本机开发,也支持通过Web浏览器访问边缘端桌面进行开发。各大应用商城都能下载AidLux,如右图,在手机应用商城搜索、下载安装AidLux。原创 2023-06-30 17:31:21 · 585 阅读 · 0 评论 -
训练yolov5报错RuntimeError: cuDNN error: CUDNN_STATUS_NOT_INITIALIZED
当我们测试yolov5s.pt这个模型进行预训练的时候,训练会报Unable to find a valid cuDNN algorithm to run convolution这个错误,当你重新安装cudnn后仍然不能解决问题。这个问题很简单,并不是我们的cudnn出问题了。而是,由于训练时显存可能不足,这时候只需调小batch_size即可。原创 2023-06-13 16:13:39 · 458 阅读 · 1 评论 -
AIGC与AidLux互联应用——AidLux端AIGC评测
使用diffusers生成图片,再通过socket编程完成pc端与AidLux之间通信,把生成的图像上传服务端,最后通过yolov5模型对生成的图像进行评测。AIGC与AidLux互联应用——AidLux端AIGC评测。原创 2023-06-12 15:31:59 · 452 阅读 · 0 评论 -
yolov6 v3.0论文解读
yolov6 v3.0是美团在2023年兔年对yolov6进行的更新,主要对网络架构和训练方案进行了新颖的改进。原创 2023-05-23 15:58:41 · 471 阅读 · 0 评论 -
2.YOLOv1
h2,w2,h1是长方形的,h2是正方形的,对于这个狗来说,长方形的框比较好,那么现在长方形的框比较靠谱些,但是和我实际预测的值还是不一样,把候选框(提供的经验值)做一些修正,把框做一个微调,而微调是一个回归任务,预测h和w怎么变,看h和w什么时候最合适,并且要起始位置x和y的值(bounding boxes),最终的框由经验框做怎样的偏移。检测很多个框,出现重叠情况,比如同样一个人可以检测出很多人脸,在IOU满足一定值的时候,先按置信度进行排序,非极大值抑制汲取一个置信度极大值。1,reshape成7。原创 2023-05-23 10:30:53 · 586 阅读 · 0 评论 -
YOLOv7论文解读
yolov7由yolov4原版人马打造,目的是将yolo算法打造的更快,更好!YOLOv7 在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的物体检测器,并且在 GPU V100 上 30 FPS 或更高的所有已知实时物体检测器中具有最高的准确度 56.8% AP。 YOLOv7-E6 目标检测器(56 FPS V100,55.9% AP)比基于变压器的检测器 SWINL Cascade-Mask R-CNN(9.2 FPS A100,53.9% AP)的速度和准确度分别高出 509原创 2022-10-27 23:19:22 · 1858 阅读 · 0 评论