AI
文章平均质量分 95
(~o▔▽▔)~o o~(▔▽▔o~)
这个作者很懒,什么都没留下…
展开
-
深度学习模型试跑(十五):Real-ESRGAN(VS2019 trt推理部署)
超分辨率修复、重建是采用低分辨率(LR)输入并将其提高到高分辨率的任务,具体原理可以参考paddlegan原理介绍。对于在linux上如何实现trt加速该网络,这里有一篇文章详细记录了过程。原创 2022-09-08 15:26:00 · 4079 阅读 · 12 评论 -
深度学习模型试跑(十四):Bytetrack(vs2019 训练+trt推理部署)
这里记录了多目标追踪模型Bytetrack在win10/vs2019 上,用自定义数据集训模、tensorrt部署的大致过程。原创 2022-09-08 14:26:24 · 15717 阅读 · 11 评论 -
深度学习模型试跑(十三):stylegan3
在深度学习中,训练数据量不足常常会影响分类算法的性能。我从这几年的相关工作经验感受得出,缺乏训练数据并不是例外而是一种规律,这就是为什么很多人会想出各种各样的数据增强方法。吴恩达也说过,scale drives machine learning progress,也是对在深度学习领域数量影像质量这一概念的一种诠释。我们可以使用常规的数据增强手段,比如参考链接中提到的使用的例如旋转翻转,旋转,裁剪,变形,缩放等各类操作原始数据来生成新的训练数据,但这并不能给我们带来真正的新图像。.........原创 2021-12-10 16:29:17 · 20965 阅读 · 88 评论 -
深度学习模型试跑(十二):STDC(PaddleSeg, python & c++)
目录前言一.模型解读二.模型训练三.VS2019运行C++预测Step0: 搭建环境Step1: 下载PaddlePaddle C++ 预测库 fluid_inferenceStep2:编译前言因为最近在研究PaddleX和PaddleSeg在win10下的部署,主要是奔向C++去的,所以这篇其实大部分记录工程搭建的工作;这篇以今年刚出的STDC为例。我的环境:Visual Studio 2019CUDA 11.5,cudnn 8.2CMake 3.17.1一.模型解读可以参考STDC语原创 2021-11-17 11:31:34 · 6142 阅读 · 2 评论 -
深度学习模型试跑(十一):PaddleOCR(c++,vs2019)
目录前言一.模型解读二.模型训练三.VS2019运行C++预测Step0: 搭建环境Step1: 下载PaddlePaddle C++ 预测库 fluid_inferenceStep2: 相关配置安装Step3: 使用Visual Studio 2019直接编译CMake四.deepsort模型转换五.整体模型运行前言个人认为百度在OCR这方面一直处于业界领先地位,我在上家公司工作的时候,由于市场部几个小姐姐有文档/表格识别的需要,我就顺手调用了百度的API,自己集成了一下做了个应用出来。有需要的可以自原创 2021-10-08 16:34:45 · 1602 阅读 · 0 评论 -
深度学习模型试跑(十):yolov5-deepsort-tensorrt(c++,vs2019版)
目录前言一.模型解读二.模型训练1.数据收集与转换1.1数据收集1.2数据转换2.配置3.开始训练三.YOLOV5模型转换四.deepsort模型转换五.整体模型运行前言最近在做生物图像的相关深度学习任务,感觉所有任务中细胞追踪的应用的难度最高,所以在此记录了一下;在此特别感谢这位大佬博主以及他的博文。码字不易,求‘一键三连’。下面是相关的项目链接地址:yolov5: Yolov5_DeepSort_Pytorch: tensorrtx: deepsort_tensorrt: yolov.原创 2021-09-24 14:50:15 · 4552 阅读 · 23 评论 -
深度学习模型试跑(九):HRNet / HRNet-Semantic-Segmentation
目录前言一.模型解读二.模型训练1.数据转换2.配置3.开始训练三.模型推理前言官方项目地址: mmsegmentation地址: 一.模型解读具体参考二.模型训练我的环境os: win10cuda: 11.0gpu: RTX3090 torch: 1.7.0代码: 因为要使用libtorch,所以选择了mmsegmentation的,因为这里有形成的转换代码1.数据转换支持4类数据(voc2012, cityscapes, pascal_context, ade20K),.原创 2021-08-28 11:14:27 · 2361 阅读 · 2 评论 -
深度学习模型试跑(八):QueryInst
目录前言一.模型解读1.动机2.做法二.模型训练1.数据转换2.配置3.开始训练三.模型推理前言项目地址: 华中科技大学&腾讯官方参数:测试数据集:coco/Cityscapes/YouTube-VIS一.模型解读具体参考1.动机(省略常规操作如先捧对手、尽数它们的优点等…然而)之前得分比较高的例如Cascade Mask R-CNN 、 HTC这类non-query范例如果直接放到以query为基准的检测器下是十分效率底下的。在这篇文章中作者提出了QueryInst,基于q.原创 2021-07-23 16:42:20 · 4038 阅读 · 18 评论 -
开坑Jetson Nano(一):搭建环境
*前言:笔者最近接了个‘私活’,内容大概是用深度学习模块识别产线中不同种类的样品。一开始打算是用openmv 的,但是这东西更新速度较慢,神经网络这一块讨论的人也比较少且案例相对简单,而且就目前看只能限定用caffe等原因就暂时放弃了。我只贴出具体的搭建链接,仅供有资源的研究人士参考:(1)[官方的搭建链接](https://github.com/openmv/openmv/tree/m...原创 2019-09-13 17:47:48 · 1938 阅读 · 2 评论