深度学习
文章平均质量分 70
Ring__Rain
这个作者很懒,什么都没留下…
展开
-
使用tensorRt部署 efficientNet b系列
efficientNet 的代码,见ubantu codehttps://github.com/lukemelas/EfficientNet-PyTorchtrain的代码:from __future__ import print_function, divisionimport torchimport torch.nn as nnimport torch.optim as optimfrom torch.autograd import Variablefrom torchvi..原创 2021-08-31 14:41:14 · 1237 阅读 · 2 评论 -
跑通的网络
分类1,resnet2,efficientNet目标检测1,yoloV52,efficientDet分割1,Swin-Transformer(只跑了分类部分)原创 2021-08-16 08:51:06 · 208 阅读 · 0 评论 -
使用tensorRT部署yolov5 v5.0—windows
目录前言 step 1. 下载yolov5源码以及tensorrtx源码,并将yolov5s.pt转为.wts模型 step 2. 安装cuDNN、TensorRT以及验证TensorRT是否安装成功 step 3. https://github.com/wang-xinyu 使用vs跑通github中yolov5 5.0 的C++代码 step 4. 跑自己训练的模型 总结前言 前段时间研究了Pytorch的环境配置,之后便从github上下载了yolov5的源码,原创 2021-08-16 08:34:15 · 6623 阅读 · 16 评论 -
Opencv、dnn部署自己的Yolov5模型记录
转自:https://blog.csdn.net/weixin_41868104/article/details/115614586?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162873465516780271580539%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162873465516780271580539&b转载 2021-08-12 13:31:13 · 1765 阅读 · 2 评论 -
yolov5深度剖析(3)—head
转自:https://blog.csdn.net/weixin_36714575/article/details/114238645前言在上次的文章中我们解析了backbone网络的构建源码,在这篇中我们针对model.py剩余的部分进行debug解析。如果没看过之前文章的小伙伴,推荐先查看这个系列的第一篇和第二篇。下面贴上传送门:1.yolov5源码解析第一篇 架构设计和debug准备2.yolov5源码解析第二篇 backbone源码解析今天我们继续对model.py里的Detect转载 2021-08-11 21:50:38 · 5334 阅读 · 3 评论 -
yolov5深度剖析(2)—backbone
转自:https://blog.csdn.net/weixin_36714575/article/details/114211796?spm=1001.2014.3001.5501前言上一篇中我们简单回顾了yolov5的架构和搭建了开发环境。需要回顾的小伙伴可以点击下面传送门,基于第一篇的理解我们再进行源码解读就会有事半功倍的效果。yolov5架构剖析和环境搭建传送门这篇中我们开始解析yolov5的源码,类似yolov3我们同样从模型的构建开始。这部分核心的代码在yolo.py文件中。我转载 2021-08-11 21:48:07 · 4317 阅读 · 0 评论 -
yolov5深度剖析(1)—架构和源码
转自:https://blog.csdn.net/weixin_36714575/article/details/114116862前言前段时间分析了yolov3的源码,这次想带着小伙伴一起把yolov5完全掌握。博主还是保持着一贯的风格,依旧采用debug级别的源码剖析。目的就是让大家可以通过一个系列的文章就把yolov5的架构、设计理念和每一行源码都弄懂。只要小伙伴可以花时间把这个系列读完,就会对yolov5的理解有所提升。去年参加了kaggle的小麦检测比赛,yolov5在比赛的中段开始呈转载 2021-08-11 21:43:45 · 1857 阅读 · 0 评论 -
Yolov5核心基础知识完整讲解
转自:https://zhuanlan.zhihu.com/p/172121380大白在之前写过《深入浅出Yolo系列之Yolov3&Yolov4核心基础知识完整讲解》对Yolov4的相关基础知识做了比较系统的梳理,但Yolov4后不久,又出现了Yolov5,虽然作者没有放上和Yolov4的直接测试对比,但在COCO数据集的测试效果还是很可观的。很多人考虑到Yolov5的创新性不足,对算法是否能够进化,称得上Yolov5而议论纷纷。但既然称之为Yolov5,也有很多非常不错的地方值得转载 2021-08-11 21:02:07 · 5182 阅读 · 0 评论 -
YOLOv5从入门到部署之:训练私有数据并修改模型
1 环境部署YOLOv5是基于pytorch实现的, 需要的运行环境已经在requirements.txt文件里面列出。# base ----------------------------------------Cythonmatplotlib>=3.2.2numpy>=1.18.5opencv-python>=4.1.2pillowPyYAML>=5.3scipy>=1.4.1tensorboard>=2.2torch>=1.6.0原创 2021-08-10 14:11:44 · 1995 阅读 · 0 评论 -
json改成yolov5的格式
import numpy as np # linear algebraimport osimport jsonfrom tqdm.auto import tqdmimport shutil as shimport cv2josn_path = "./train_data/guangdong1_round2_train2_20191004_Annotations/Annotations/anno_train.json"image_path = "./train_data/guangdong1.原创 2021-08-09 10:37:04 · 812 阅读 · 0 评论 -
将xml格式改称yolov5格式
xml格式<annotation> <folder>cr</folder> <filename>crazing_1.jpg</filename> <source> <database>NEU-DET</database> </source> <size> <width>200</width> <height>200</h原创 2021-08-09 10:10:35 · 625 阅读 · 0 评论 -
Python 深度学习AI - 利用训练好的模型库进行图像分割、一键抠图实例演示,百度深度学习平台飞浆paddlepaddle-gpu的安装与使用
Python 深度学习AI - 图像分割第一章:深度学习平台飞浆 paddle 的环境搭建 ① 效率更高的 gpu 版本的安装 ② 判断是否支持 gpu 版本 ③ 退而求其次,普通版本的安装 ④ paddlehub 的安装 第二章:调用训练好的库进行图像分割效果演示 ① 演示一:ace2p 模型 ② 演示二:humanseg_server 模型 ③ 演示三:deeplabv3p_xception65_humanseg 模型第一章:深度学习平台飞浆 paddle 的环境搭建.转载 2021-08-02 22:19:58 · 911 阅读 · 1 评论 -
yolov5组件笔记
深度学习模型组件 ------ 深度可分离卷积、瓶颈层Bottleneck、CSP瓶颈层BottleneckCSP、ResNet模块、SPP空间金字塔池化模块目录1、标准卷积: Conv + BN + activate2、DWConv深度可分离卷积3、Bottleneck瓶颈层4、BottleneckCSP-CSP瓶颈层5、ResNet模块6、SPP空间金字塔池化模块7、focus8、PAN特征融合9、GIOU DIOU CIOUyolov5的融合采用的是一个普通原创 2021-08-02 21:39:27 · 3541 阅读 · 0 评论 -
【资源】深度学习缺陷检测
转自:https://bbs.cvmart.net/articles/571DEye (Keep an Eye on Defects Inspection)1. AbstractDefect Eye is an open source software library based on tensorflow1.4, which focus on surface defect inspection. The application area cover the full range of yiel转载 2021-08-02 15:28:21 · 621 阅读 · 0 评论 -
工业质检-缺陷检测数据集
文章转自https://www.jiqizhixin.com/articles/2020-10-25-3以备后用,非常感谢!目前, 基于机器视觉的表面缺陷装备已经在各工业领域广泛替代人工肉眼检测,包括3C、汽车、家电、机械制造、半导体及电子、化工、医药、航空航天、轻工等行业。传统的基于机器 视觉的表面缺陷检测方法,往往采用常规图像处理 算法或人工设计特征加分类器方式。一般来说,通常利用被检表面或缺陷的不同性质进行成像方案的设计,合理的成像方案有助于获得光照均匀的图像,并将物体表面缺陷明显的体现出来。近原创 2021-08-02 15:24:09 · 3616 阅读 · 0 评论 -
coco数据集下载
https://www.jianshu.com/p/758eb5aef744原创 2021-07-28 14:08:40 · 175 阅读 · 0 评论 -
pytorch跑yolov5
1,下载yolov5的代码和模型https://github.com/ultralytics/yolov5https://github.com/ultralytics/yolov5/releases2,cd到代码的路径中,看看当前环境怎么样pip install -r requirements.txt3,detect,实验pytorch跑出来的结果python detect.py --weights=yolov5s6.pt4,训练,自己弄图啥的都行python trai原创 2021-07-28 10:29:27 · 371 阅读 · 0 评论 -
铝型材表面瑕疵识别比赛——代码啥的,参考
https://blog.csdn.net/qq_34739662/article/details/84145791?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-13.control&dist_request_id=1332042.22793.16193177347584099&depth_1-utm_source=distri原创 2021-04-25 10:41:01 · 539 阅读 · 0 评论 -
数据集
原文链接:http://blog.csdn.net/qq_14845119/article/details/51913171ImageNetImageNet是一个计算机视觉系统识别项目,是目前世界上图像识别最大的数据库。是美国斯坦福的计算机科学家李飞飞模拟人类的识别系统建立的。能够从图片识别物体。目前已经包含14197122张图像,是已知的最大的图像数据库。每年的ImageNet大赛更是魂萦梦牵着国内外各个名校和大型IT公司以及网络巨头的心。图像如下图所示,需要注册ImageNet...原创 2021-03-18 17:00:58 · 1356 阅读 · 0 评论 -
Pytorch版deeplabv3+环境配置训练自己的数据集
参考:https://blog.csdn.net/qq_36766560/article/details/110009622?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161594607816780266214828%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=161594607816780266214828原创 2021-03-17 16:32:44 · 10287 阅读 · 10 评论 -
PASCAL VOC2012数据集的下载及简单讲解
转自:https://blog.csdn.net/qq_44396101/article/details/109563892如题,我本身也是一个初学者,本篇文章是我在了解PASCAL VOC数据集中所学习到的,因此记录下来与大家分享,如果有不对的地方还希望大家指正。PASCAL VOC挑战赛是世界级的计算机视觉挑战赛,PASCAL的全称是:Pattern Analysis,Statistical Modelling and Computational Learning Visual Objectio原创 2021-03-17 10:41:55 · 12350 阅读 · 1 评论 -
关于深度学习的那些事
地址:https://www.bilibili.com/read/cv10239076原创 2021-03-12 14:18:08 · 118 阅读 · 0 评论 -
用opencv的dnn模块做yolov5目标检测
转自:https://blog.csdn.net/nihate/article/details/112731327?ops_request_misc=&request_id=&biz_id=102&utm_term=opencv%E8%B0%83%E7%94%A8yolo5&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-1-112731327.first_rank_原创 2021-03-05 13:32:19 · 1609 阅读 · 1 评论 -
新手如何学习pytorch呢
第一步github的tutorials尤其是那个60分钟的入门。只能说比tensorflow简单许多, 我在火车上看了一两个小时就感觉基本入门了. 另外jcjohnson的Simple examples to introduce PyTorch也不错第二步example参考pytorch/examples实现一个最简单的例子(比如训练mnist )。第三步通读docPyTorch doc尤其是autograd的机制,和nn.module,optim等相关内容。文档现在已经...原创 2021-03-05 09:47:49 · 439 阅读 · 1 评论 -
YOLOv5模型训练
参考:https://xugaoxiang.com/2020/07/02/yolov5-training/软硬件环境ubuntu 18.04 64bit anaconda with 3.7 nvidia gtx 1070Ti cuda 10.1 pytorch 1.5 YOLOv5视频看这里此处是youtube的播放链接,需要科学上网。喜欢我的视频,请记得订阅我的频道,打开旁边的小铃铛,点赞并分享,感谢您的支持。YOLOv5环境配置请参考之前的文章,YOLOv5目标检测.原创 2021-03-05 09:44:07 · 1749 阅读 · 6 评论 -
数钢筋
转自知乎:https://zhuanlan.zhihu.com/p/549519331 背景在现如今All in AI的背景中,越来越多的传统行业,开始加快数字化、智能化的进程,AI养猪、AI养鸡这样接地气的场景,也已经进入到落地、工业化的阶段。0110日,广联达在DataFountain发布了智能盘点—钢筋数量AI识别比赛比赛地址在工地现场,对于进场的钢筋车,验收人员需要对车上的钢筋进行现场人工点根,确认数量后钢筋车才能完成进场卸货。目前现场采用人工计数的方式,如图1-1中所示:...原创 2021-02-25 15:43:17 · 1928 阅读 · 0 评论 -
win10在Anaconda上安装Pytorch
创建Pytorch虚拟环境conda create --name pytorch python=3.8然后进入pytorch虚拟环境:activate pytorch安装pytorch输入上述官网提供的安装命令:conda install pytorch torchvision cudatoolkit=10.1 -c pytorch安装报错,pytorch包无法下载安装: CondaHTTPError: HTTP 000 CONNECTION...原创 2021-02-05 10:50:11 · 306 阅读 · 0 评论 -
win10中anaconda安装pytorch
网上很多教程都是直接用conda安装pytorch,但是由于pytorch很大,所以下载的时候会中断,conda下载的时候一旦中断之前都白下了,所以这里介绍第二种方式。我使用的环境是 python3.7+pytorch1.0.0+cuda10.2+cudnn7.x(后面这个x应该问题不大,我使用最新的版本)步骤一:CUDA安装如果是用GPU版的pytorch,首先应该安装cuda 。cuda下载地址。步骤二:CUDNN安装安装完了CUDA之后还需要安装CUDNN,cudnn下载地址,..原创 2020-12-31 17:20:09 · 141 阅读 · 0 评论 -
灰度图变彩图
转自:https://blog.csdn.net/u010402786/article/details/53859569针对模糊图像的处理,个人觉得主要分两条路,一种是自我激发型,另外一种属于外部学习型。接下来我们一起学习这两条路的具体方式。第一种 自我激发型 基于图像处理的方法,如图像增强和图像复原,以及曾经很火的超分辨率算法。都是在不增加额外信息的前提下的实现方式。 1. 图像增强 图像增强是图像预处理中非常重要且常用的一种方法,图像增强不考虑图像质量下降的原因,只是选择地..原创 2020-11-19 15:35:12 · 3939 阅读 · 0 评论 -
寻找下一款Prisma APP:深度学习在图像处理中的应用探讨
转自: https://blog.csdn.net/u010402786/article/details/53256421 在9月23日到9月24日的MDCC 2016年中国移动者开发大会“人工智能与机器人”专场中,阿里云技术专家周昌进行了题为《寻找下一款Prisma APP:深度学习在图像处理中的应用探讨》的演讲。演讲中,他主要介绍深度学习在图像处理领域中的应用,主要内容包括:传统的图像处理:如超分辨、灰度图彩色化、2D/3D转换等;图像/视频风格化;图像生成。 图...原创 2020-11-19 14:41:52 · 347 阅读 · 0 评论 -
pytorch入门教程(三):构造一个小型CNN
torch.nn只接受mini-batch的输入,也就是说我们输入的时候是必须是好几张图片同时输入。例如:nn. Conv2d 允许输入4维的Tensor:n个样本 x n个色彩频道 x 高度 x 宽度#coding=utf-8import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch...原创 2019-12-14 21:00:07 · 324 阅读 · 0 评论 -
tensorflow (一) 介绍及基本操作
一、tensorflow介绍TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。 TensorFlow可被用于语...原创 2018-12-21 11:28:08 · 225 阅读 · 1 评论 -
tensorflow(六)训练分类自己的图片(CNN超详细入门版)
之前一直用caffe做图像方面的东西,由于tensorflow环境配置简单,综合表现较为出色,因此打算转战tensorflow。学习这个框架,最开始还是要跑一跑文档中的mnist小程序(具体请参照tensorflow官方文档)。但是mnist中都是处理好的数据,具体的数据处理过程又没有讲,如果想要处理自己的图片数据,便有些无从下手,直接看源码的话又比较枯燥晦涩。这里是一份从图片的预处理到最终测试一...原创 2018-12-21 11:19:16 · 1484 阅读 · 1 评论 -
Windows 10安装TensorFlow-gpu1.4 及CUDA8.0,cuDNN6.0,搞定了,包含安装方法和下载路径
Windows 10安装TensorFlow-gpu1.4 及CUDA8.0,cuDNN6.0,搞定了先说下我的最终版本:Python 3.5.3;tensorflow-gpu==1.4.0 ;CUDA Toolkit 8.0 GA1 (Sept 2016), Online Documentation;cuDNN v6.0(Download cuDNN v6.0 (April ...原创 2018-12-08 16:16:38 · 384 阅读 · 0 评论 -
tensorflow版本与cuda cuDNN版本对应使用
tensorflow-gpu v1.9.0 | cuda9.0 | cuDNN7.1.4可行 | 备注:7.0.4/ 7.0.5/ 7.1.2不明确tensorflow-gpu v1.8.0 | cuda9.0 | cuDNN 不明确 | 备注:7.0.4/ 7.0.5/ 7.1.2/ 7.1.4tensorflow-gpu v1.7.0 | cuda9.0 | cuDNN 不...原创 2018-12-08 16:00:26 · 645 阅读 · 1 评论 -
DBSCAN聚类算法
1、算法引入及简介 为什么要引入DBSCAN? K均值聚类使用非常广泛,作为古老的聚类方法,它的算法非常简单,而且速度很快。但是其缺点在于它不能识别非球形的簇;而DBSCAN算法是将所有点标记为核心点、边界点或噪声点,将任意两个距离不大于E(eps)的核心点归为同一个簇,任何与核心点足够近的边界点也放到与之相同的簇中,可以发现任意形状的簇类。 人为构造基于sin函数...原创 2018-11-28 17:00:19 · 769 阅读 · 0 评论 -
SVM的核函数如何选取?
在我的工作中,最常用的是Linear核与RBF核。1. Linear核:主要用于线性可分的情形。参数少,速度快,对于一般数据,分类效果已经很理想了。2. RBF核:主要用于线性不可分的情形。参数多,分类结果非常依赖于参数。有很多人是通过训练数据的交叉验证来寻找合适的参数,不过这个过程比较耗时。我个人的体会是:使用libsvm,默认参数,RBF核比Linear核效果稍差。通过进行大量参数的尝试,...原创 2018-10-24 10:27:01 · 1123 阅读 · 0 评论 -
opencv——SVM参数详解
SVM是一种训练机器学习的算法,可以用于解决分类和回归问题,同时还使用了一种称之为kernel trick(支持向量机的核函数)的技术进行数据的转换,然后再根据这些转换信息,在可能的输出之中找到一个最优的边界(超平面)。简单来说,就是做一些非常复杂的数据转换工作,然后根据预定义的标签或者输出进而计算出如何分离用户的数据。 支持向量机方法是建立在统计学习理论的V...原创 2018-10-24 09:50:22 · 9399 阅读 · 3 评论 -
使用dlib库进行人脸识别
一、安装opencv和dlib我使用的anaconda,安装比较方便。安装opencv,在指定环境下输入:conda install opencv安装dlib:conda install -c conda-forge dlib二、实现1、项目结构介绍其中face_detect文件夹保存检查到的人脸,face_repo里是待检测的人脸照片,face_test里...原创 2018-09-30 08:36:29 · 2622 阅读 · 0 评论 -
改变jupyter的默认路径
打开 cmd 输入命令 jupyter notebook --generate-configimage可以看到生成文件的路径image如上图可以看到,这个目录image这个就是生成的配置文件,打开后找到 这个地方 删除前面的’#‘ 然后填写自己的路径,保存image启动 jupyter notebook...原创 2019-01-16 09:13:50 · 604 阅读 · 0 评论