qq_37044856的博客

原创 【论文笔记】Generative Cooperative Learning for Unsupervised Video Anomaly Detection(CVPR2022)

原创 完全跟教程的推理（第三遍）

1.yolov3.pt转onnxpython3.7 models/export.py --weights ./yolov3.pt --img 416 --batch 1转yolov3_bs1.om:source env.shatc --model=yolov3.onnx --framework=5 --output=yolov3_bs1 --input_format=NCHW --log=info --soc_version=Ascend310 --input_shape="i..

原创 推理过程记录

coco数据集图片处理：find * -exec convert -resize 640x640! {} {} \;导出 onnx：python models/export.py --weights yolov3-tiny.pt --img 640 --batch 1shapes:name: imagestype:float32[1,3,640,640]转om:atc --framework=5 --model=yolov3-tiny.onnx --output=yolov3-.

原创 下载yolov3并转onnx

终端git clone https://hub.fastgit.org/ultralytics/yolov3.gitcd 进入文件夹yolov3,运行shell脚本下载模型yolov3-tiny.pt./weights/download_weights.sh安装依赖库pip install onnx coremltools onnx-simplifier导出 onnxpython models/export.py --weights yolov5s-best.pt --i

原创 python 小工具合集

测代码执行时间import timefrom functools import wrapsdef fn_timer(function): @wraps(function) def function_timer(*args, **kwargs): t0 = time.time() result = function(*args, **kwargs) t1 = time.time() print("Total

原创 ZLMediaKit推流+前端页面控制推流播放暂停

https://blog.csdn.net/v6543210/article/details/106154298github上https://hub.fastgit.org/ZLMediaKit/ZLMediaKit拉源码，cmake生成sln，vs生成exe，启动ZLMediaKit\release\windows\Debug里的MediaServer.exe服务器接收端：命令行中> ffplay -i rtsp://127.0.0.1/live/0...

原创 python socketserver实现tcp post,get请求

启动服务，加载模型：收到post请求，检测物体后打印检测目标和标框后的json：收到get请求，返回运算结果json格式（图片为base64编码）：post请求客户端：get请求客户端：

原创 在原有darknet server基础上加入pytorch模型

1.把predct.py和yolo.py复制到server.py同级目录，yolo_smoke.pth和new_classes.txt移到.weights同级目录。2.代码整合

原创 win10的pytorch环境搭建及烟雾模型训练检测（CPU版）

一. 环境搭建终端输入pip3 install torch==1.2.0+cpu torchvision==0.4.0+cpu -f https://download.pytorch.org/whl/torch_stable.html