大学生人工智能挑战赛—智慧零售从目标检测到算法落地

最新推荐文章于 2024-07-30 23:59:55 发布

嗯嗯嗯吧

最新推荐文章于 2024-07-30 23:59:55 发布

阅读量206

点赞数

分类专栏：面试学习路线阿里巴巴文章标签：人工智能零售目标检测 mysql 蓝桥杯

本文链接：https://blog.csdn.net/m0_67391377/article/details/124876132

版权

本文介绍了作者在大学生人工智能挑战赛中，利用YOLOX模型进行目标检测，并通过TensorRT优化实现算法落地的过程。从数据集准备、模型训练、模型转换到C++代码改写，详细阐述了每个步骤的操作。最终，模型不仅能在图像上运行，还计划扩展到摄像头实时检测。

摘要由CSDN通过智能技术生成

文章目录

前言

这是最近的一次作业,试试本科竞赛内容应该没啥大问题吧正好水一篇博客.

首先下载数据集,提取码 wwsj

查看数据集给出的是json格式，训练集和测试集有标注(共110张)，其余还有无标注的需要自己手工标注。但是既然只是作业又不是去参加比赛，那就直接当小数据量样本训练.

构思

目前数据量较小,而且很明显是一个目标检测任务,并且涉及到算法落地的问题,所以开始之前一定要理清思路,想清楚每一步应该怎么做.

找到一个合适的目标检测模型,基于这个小样本数据集进行训练,得到一个效果较好的模型
将python训练得到的模型进行转换,转为onnx以及tensorRT等形式,方便后续算法落地
有了转换后的模型,进行c++改写模型加载以及检测部分代码

既然是快速实现一次作业,那必然要“站在巨人的肩膀上”,所以使用的大部分都是网上的开源代码.

开始动手

1.数据集准备

从网盘下载数据,因为数据量很小,所以train和test全部拿来训练,一共110张图片.然后把数据集转为voc格式

#将所给的数据转为voc数据集格式
import os
import numpy as np
import codecs
import json
from glob import glob
import cv2
import shutil
from sklearn.model_selection import train_test_split

# 1.标签路径
labelme_path = "./2022 年（第 15 届）中国大学生计算机设计大赛人工智能挑战赛-智慧零售赛项数据集/TrainingDataset/"  # 使用labelme打的标签（包含每一张照片和对应json格式的标签）
saved_path = "./VOCdevkit/VOC2007/"  # 保存路径

# 2.voc