K.K.U-CSDN博客

原创【MMDeploy&MMPose】手把手教你在Windows上使用MMDeploy1.x进行ONNX、TensorRT和ncnn的部署（SDK C++篇）

注意，如果你想使用SDK进行C++的推理，请直接跳到第5步，自定义算子跟SDK会一起编译这里使用的是上一篇文章的mmdeploy1.0代码。但是github上已经更新了1.1版本，这里使用git push更新代码到了1.1版本。如果你没有mmdeploy，请参考我的上一篇文章。上一篇文章的mmdeploy使用的是预编译包，而官方的预编译包中没有ncnn自定义算子，所以这我们要自己编译mmdeploy的自定义算子。cd build。

2023-06-30 21:15:53 1759 2

原创【MMDeploy&MMPose】手把手教你在Windows上使用MMDeploy1.x进行ONNX和TensorRT的部署（Python篇）

MMDeploy 提供了一系列工具，帮助我们更轻松的将 OpenMMLab 下的算法部署到各种设备与平台上。MMDeploy 定义的模型部署流程，这里直接使用了官方文档的内容，如下图所示：模型转换的主要功能是把输入的模型格式，转换为目标设备的推理引擎所要求的模型格式。目前，MMDeploy 可以把 PyTorch 模型转换为 ONNX、TorchScript 等和设备无关的 IR 模型。也可以将 ONNX 模型转换为推理后端模型。两者相结合，可实现端到端的模型转换，也就是从训练端到生产端的一键式部署。也称

2023-05-04 20:46:22 2866 51

原创【MMPose】1.x版本安装与体验（测试YOLOX-Pose和RTMPose）

除此之外，mmpose更新了yolox-pose和一个对于topdown方法来说过于超前的RTMPose（为什么说它超前，因为官方说它不仅有很高的精度，并且在1660ti上的推理速度能达到400+FPS，cpu上能达到100+FPS！详情见废话不多说，下面就进行一下MMPose1.x版本的安装体验。

2023-04-18 21:10:28 1954 3

原创【YOLO-Pose】在Windows上的部署与测试（调用摄像头）

YOLO-Pose与其他buttom-up的方法一样，也是一种single shot的方法。虽然基于top-down方法的HRNet网络精度很高（在COCO数据集上最高能达到76.7mAP），但是由于其需要一个额外的detector和网络中始终保持着高分辨率的heatmap的原因，网络在推理时的速度非常的慢，这就使得类似与HRNet的网络不适合部署在低算力的边缘设备上。进入开源地址是看不到YOLO-Pose源码的，在master分支显示的是YOLOv5的源码，我们想要的源码在名为yolo-pose的分支。

2023-03-15 13:46:31 1609 10

qq_21532607的博客

原创【MMDeploy&MMPose】手把手教你在Windows上使用MMDeploy1.x进行ONNX、TensorRT和ncnn的部署（SDK C++篇）

原创【MMDeploy&MMPose】手把手教你在Windows上使用MMDeploy1.x进行ONNX和TensorRT的部署（Python篇）

原创【MMPose】1.x版本安装与体验（测试YOLOX-Pose和RTMPose）

原创【YOLO-Pose】在Windows上的部署与测试（调用摄像头）

原创【MMPose】在HRNet应用SimDR（SimCC）/Part.4-检测器篇（Detector）

原创【MMPose】在HRNet应用SimDR（SimCC）/Part.3-处理头篇（Head）

原创【MMPose】在HRNet应用SimDR（SimCC）/Part.2-流水线篇（Pipeline）

原创【MMPose】在HRNet应用SimDR（SimCC）/Part.1-配置文件篇

原创【MMPose】Lite-HRNet替换激活函数（hardswish和hardmish）

原创【安装教程】MMPose安装与使用（测试HRNet与Lite-HRNet）

原创【安装教程】Windows10/11安装detectron2教程

原创【机器学习/数据预处理】从公开的数据集中筛选出自己需要的部分（以MNIST为例）

原创【模式识别/机器学习】支持向量机SVM浅析

空空如也

空空如也