目标检测
文章平均质量分 56
model2005
农技猿
展开
-
YOLOX
旷视科技的yolox号称最好的yolopaper: https://arxiv.org/abs/2107.08430code: https://github.com/Megvii-BaseDetection/YOLOX安装Step1. Install YOLOX from source.git clone git@github.com:Megvii-BaseDetection/YOLOX.gitcd YOLOXpip3 install -v -e . # or python3原创 2022-01-21 14:28:26 · 3100 阅读 · 0 评论 -
anaconda3环境py37版本+tf1.15+cuda10+cudnn7.6
win10下原安装了py37+tf1.13+cuda10+cudnn7.6,用于tf1框架检测的运算,在C盘系统占空间太大,想移到其他盘,谁知怎么安装都出问题,GPU 不运行,而且训练的模型都保存在C盘昨时文件夹中,也不方便。ubuntu系统安装了anaconda3,py3.8,cuda11.4,470驱动。anaconda可支持多个版本的python,故另建一个py37版本,用于tf1 目标检测模型的训练,tf1模型pb文件应用方便。conda create -n py37 python=3.7原创 2021-10-03 16:44:28 · 483 阅读 · 0 评论 -
win10+GTX1060+tf1.15+object detection API踩坑记(5)
Non-OK-status: GpuLaunchKernel(FillPhiloxRandomKernelLaunch<Distribution>, num_blocks, block_size, 0, d.stream(), gen, data, size, dist) status: Internal: invalid device function查找资料,本故障的原因无外乎cuda和cudnn版本不配,或cuda版本过高。models-master版本过高?以2017年下载的版本原创 2021-09-22 09:52:57 · 406 阅读 · 0 评论 -
tensorflow lite model maker
地址:TensorFlow Lite Model Maker该库使用迁移学习来减少所需的训练数据量并缩短训练时间。期待object detector!原创 2021-09-14 08:44:02 · 124 阅读 · 0 评论 -
win10+GTX1060+tf1.15+object detection API踩坑记(4)
2021-09-08 06:53:46.096205: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1325] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 4863 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1660 Ti, pci bus id: 0000:01:原创 2021-09-08 08:51:27 · 270 阅读 · 0 评论 -
win10+GTX1060+tf1.15+object detection API踩坑记(3)
测试通过,开始训练运行:python object_detection/model_main.py --logtostderr --train_dir=‘**’--pipeline_config_path='**/**.config'报错Windows fatal exception: access violation改为python object_detection/model_main.py --logtostderr --train_dir=**--pipeline_confi...原创 2021-09-07 17:10:10 · 362 阅读 · 0 评论 -
yolov5Ncnn占用资源
定时运行yolov5检测程序。每次都调用以下过程,新建一个并初始化。private static YoloV5Ncnn yolov5ncnn = new YoloV5Ncnn(); boolean yolo_ret_init = CONST.yolov5ncnn.Init(assetManager,CONST.strParam,CONST.strBin); if (!yolo_ret_init){ Log.e("De...原创 2021-09-04 09:44:37 · 432 阅读 · 1 评论 -
YoloV5 Android APP开发--模型文件转为单独存储(五)
模型文件存放在assets资源目录下,编译中会一同生成apk打包,如果更新模型也要更新APP,下载并安装。如果单独存储在内存目录,只需检查模型更新并自动下载就可以了。初始化模型,设置参数为字符串public native boolean Init(AssetManager mgr,String strP, String strB);cpp修改参数,字符串转文件Java_com_***_***_YoloV5Ncnn_Init(JNIEnv* env, jobject thiz, j..原创 2021-08-21 16:14:58 · 617 阅读 · 2 评论 -
YoloV5 Android APP开发--移动端代码修改(四)
模型转换完成后,可直接拷贝到AS项目的assets目录下。同时将ncnn的库拷贝到项目的lib或jni目录下,修改gradle配置,cmake指向相应的目录。cpp文件修改Yolov5ncnn_jni.cpp输出节点 stride 8,16,32(out,数值1,数值2)节点,,与param文件中节点(Permute)对应.param文件,修改输入参数改为YoloV5Focus层,且输入参数值对应第二行第一个值修改,减去9,即删除了十层,增加了一层。.param文件.原创 2021-08-21 15:52:20 · 413 阅读 · 0 评论 -
YoloV5 Android APP开发--模型转换(三)
onnx和ncnn安装后,即可将模型转换,pt转onnx,再onnx转bin、param导出模型,*.pt 转*.onnxexport PYTHONPATH="$PWD"pythonexport.py --weights yolov5l.pt --img 640 --batch 1pythonexport.py --train --weights yolov5s.pt --img 640 --batch 1加—train参数防止 unsupport slice axes error..原创 2021-08-21 15:28:20 · 867 阅读 · 0 评论 -
YoloV5 Android APP开发--ONNX和NCNN安装(二)
模型训练,根据不同的模型5l、5s等调整训练值。python3 train.py --img 640 --batch 16 --epochs 77 --data lamp.yaml --weights yolov5s.pt --resumepython3 train.py --img 640 --batch 6 --epochs 60 --data lamp.yaml --weights yolov5l.ptGTX1060显卡下,5l –batch设为6,5s设为16,迭代次数300(5s),6原创 2021-08-21 15:05:45 · 739 阅读 · 0 评论 -
tf2 进行目标检测训练
tf从0到tf1.x,现在已是tf2.x了,目标检测训练也得跟上新时代。object detection api配置基本差不多,数据集仍为VOC2007格式。根据要求把文件放到各自目录后。先把数据集转成训练需要的train.record和val.record格式。create_pascal_tf_record.pyarroplan_val.txt?? 什么原因??这么会有这个文件,No such file or directory.查看源文件,怎么有aeroplane的前缀?是b..原创 2021-08-19 16:00:03 · 230 阅读 · 0 评论