目标检测
文章平均质量分 82
llh_1178
这个作者很懒,什么都没留下…
展开
-
使用YOLOv5实现多路摄像头实时目标检测
YOLOV5模型从发布到现在都是炙手可热的目标检测模型,被广泛运用于各大场景之中。因此,我们不光要知道如何进行yolov5模型的训练,而且还要知道怎么进行部署应用。在本篇博客中,我将利用yolov5模型简单的实现从摄像头端到web端的部署应用demo,为读者提供一些部署思路。YOLOV5的强大之处多路摄像头读取在此篇博客中,采用了yolov5源码的datasets.py代码中的LoadStreams类进行多路摄像头视频流的读取。因为,我们只会用到datasets.py中视频流读取的部分代码,所以,将其原创 2021-03-22 15:36:11 · 43757 阅读 · 112 评论 -
使用yolov5时出现“assertionerror:no labels found in */*/*/JPEGImages.cache can not train without labels”问题
目前,众所周知yoloV5模型以速度见长,而对比yolo之前几个系列的精度是如何表现的呢?YOLOv5在小任务上的精度与YOLOv4大致相同(在BCCD数据集上yolov4为0.895 mAP;yolov5为0.892 mAP),而在较大的任务(如COCO)上,YOLOv4的性能更高。因此,在没有那么高的精度追求时,yolov5非常适合被选择部署在边缘设备上。网上也有很多资源、博客说明怎样使用yolov5进行自制数据集的训练和推理,本人也是参考网上教程进行yolov5模型训练,但是,却遇上了一个很容易被原创 2021-03-08 14:53:11 · 32514 阅读 · 47 评论