深度学习
文章平均质量分 85
络小绎
修行
展开
-
yolov5 tensorrt 精度对齐总结
本文对c++推理的yolov5 v6.1代码进行精度对齐实现,以yolov5-l为例。原创 2022-09-15 21:17:42 · 2030 阅读 · 1 评论 -
tensorRT简明使用
tensorrt主要用于优化模型推理速度,是硬件相关的。首先保存模型的.pth权重文件,然后将其转化为.wts文件。之后编写c++程序对.wts进行编译,生成.engine文件,通过.engine来进行tensorrt的推理。或者将网络结构保存为onnx格式,然后利用ONNX-TensorRT工具将onnx转换为tensorrt模型即可。...原创 2022-08-10 17:34:36 · 2972 阅读 · 0 评论 -
网络结构可视化onnx+netron
使用ONNX+Netron进行网络结构可视化。原创 2022-05-04 19:31:02 · 7493 阅读 · 0 评论 -
YOLOv3-quadrangle代码调试记录
代码来源:https://github.com/JKBox/YOLOv3-quadrangle主要使用于四边形文本检测。代码阅读代码结构如下:1.配置文件 cfg/共2个文件,yolov3.cfg定义了darknet+yolo_head的整个结构,ICDAR2015.data说明了训练路径、参数等信息。2.模型结构构建 models.py主要看YOLOLayer和Darknet类,对应yolov3.cfg来进行网络结构的搭建,网络结构图如下,讲解可见[1]:...原创 2021-08-11 16:05:25 · 5082 阅读 · 9 评论 -
【目标检测】“复制-粘贴”数据增强实现
前言本文来源论文《Simple Copy-Paste is a Strong Data Augmentation Methodfor Instance Segmentation》(CVPR2020),对其数据增强方式进行实现。论文地址:https://arxiv.org/abs/2012.07177解读:https://mp.weixin.qq.com/s/nKC3bEe3m1eqPDI0LpVTIA主要思想:本文参考该数据增强的语义分割实现[1],相应修改为对应目标检测的实现,坐原创 2021-08-06 15:36:36 · 6311 阅读 · 62 评论 -
可视化训练过程(visdom/tensorboard)
针对pytorch框架。服务器端[1]1. 安装visdompip install visdom2. 在代码中使用# 创建实例viz = Visdom()# 创建窗口viz.line([0.], [0], win='loss', opts=dict(title='loss', legend=['train_loss', 'val_loss']))其中,实例只用创建一个。窗口可创建多个,win表示窗口名,用来区分后续数据应该在哪个窗口监控;title表示该窗口展示.原创 2021-04-23 19:57:00 · 772 阅读 · 0 评论 -
【语义分割】ps实现对粗标签精细标注
常用语义分割数据集标注工具如labelme等,可以很方便的实现对图像的标注:当需标注的图像过多时,为了减少标注成本,可以先标注部分图像,用这些数据去训练出一个模型,之后再用其他要标注的图片传入该模型,得到一个预测的粗标记结果。在粗标记结果上进行标注,可以减少需标注的像素。但是粗标签结果无法使用labelme进行辅助标注,此时可用ps来进行标注。具体操作如下:1. 新建画布,大小设置为要标记的图片大小,颜色模式为RGB-8位图:2. 将图片和粗标签拖入画布,取色,并调节标签的透明度:原创 2021-03-19 18:08:15 · 2171 阅读 · 2 评论 -
python打包深度学习模型为exe可执行文件
因为打包后的exe文件是包含了所有环境配置的,接收到文件的客户端无需下载环境依赖,直接运行即可。因此为了使exe文件尽可能的小,需要在干净的虚拟环境中打包。虚拟环境可用anaconda、virtualenv等,也可直接在pycharm中新建虚拟环境,在此不做赘述。1.安装pyinstallerpip install pywin32-ctypespip install PyInstallerpip install https://github.com/pyinstaller/pyin..原创 2020-12-09 19:14:18 · 3989 阅读 · 3 评论 -
语义分割各种评价指标实现
包括:像素准确率、类别像素准确率 、类别平均像素准确率、交并比、平均交并比、频权交并比。原创 2020-09-25 17:08:04 · 6411 阅读 · 78 评论 -
tensorflow从零开始实现分类任务
1. 安装tf2. 全连接层实现mnist分类3. cnn实现mnist分类4. 使用自己的数据集实现分类任务5. 对数据集进行数据增强原创 2020-06-04 01:42:24 · 1101 阅读 · 0 评论 -
配置ubuntu18.04服务器环境,tensorflow1.12-gpu
本文配置环境为:ubuntu18.04, python3.6, nvidia-driver-390, cuda9.0, cudnn7.3, tensorflow-gpu-1.12.0装tf-gpu需要先确定电脑的CUDA Capability > 3.0,不然即使装完了也用不了。原创 2020-03-29 05:16:42 · 1178 阅读 · 3 评论 -
keras用xception网络实现猫狗识别
前言最近想复现一下xception实现分类的任务,但是网络上只找的到xception的结构实现[1]或是像VGG[2],Inception-v3[3]之类的迁移学习。没有代码能直接拿来用,那就学习一下,自己写写。最终目标当然不只是猫狗分类,不过可以用它来验证一下正确性。如果完全不懂keras,可以去看一下这个教程视频,它的前提是懂得tensorflow或者theano。很基础,能有个大概的...原创 2019-12-20 22:47:35 · 2917 阅读 · 4 评论 -
dlib安装(windows10, python3.7)
环境配置windows10, VS2015, python3.7, cmake3.14.7, boost1.71.0, dlib19.17不知道python版本和dlib版本有没有对应关系,其他的应该版本随意没有要求。安装了这么多次东西,问题几乎全出在版本上,怕了怕了。安装过程VS,python, cmake之前在装 caffe 的时候都装过了,这里不多做赘述。...原创 2019-11-07 21:23:36 · 1420 阅读 · 0 评论 -
Windows10下搭建caffe过程记录
前言最近在研究深度学习,原本想在ubuntu虚拟机里搭caffe,然而还是不习惯linux。时间紧迫,还是先在熟悉的Windows下建一个吧。整篇博客都是边安装边写的,中间有很多报错,本来想装GPU版,但其实也搞不清GPU和CPU的前置条件,最后还是只装了CPU。这篇记录只是写给自己看的,以免以后记不清细节。以下是整个安装过程的参考文档:[1]https://www.cnblogs.c...原创 2019-10-20 16:02:58 · 6286 阅读 · 15 评论