目标检测
文章平均质量分 77
玄学关门大弟子
这个作者很懒,什么都没留下…
展开
-
keras-yolo部署 - 权重转换(h5 ->tflite) (2.0版)
本来我tensorflow1.13转换tflite还能转换的,但是后面我们对模型改造了一下,代码突然就抽风了,直接说当前版本不支持’流‘(Switch、Merge…)等等问题,我顿时懵了。后面看了GitHub大佬们的交流,发现如果想用tensorflow1.0版本去转换也不是不行,就是很麻烦,对于我这种懒人来说肯定是对这种麻烦事表示抗拒的(其实改的时候还容易报出一连串未知错误,浪费时间),最终,我索性创了个tensorflow2.0版本的环境,专门用来转换模型。 环境如下: python 3.6.2 te原创 2022-01-06 15:26:18 · 1739 阅读 · 10 评论 -
keras-yolo部署 - 权重转换(h5->pd->tflite) (偶尔会抽风报错,看2.0版)
一、前言 前段时间基于某个项目的需求,需要将自己魔改的yolo框架部署到单片机上(由于是第一次部署,真是一波三折啊~~),其中的一个环节便是要将keras训练好保存的h5文件转换成tflite(我h5保存的是weights)。接下来,我将就这一环节详细说明下,让各位少踩点坑(因为各类包的版本问题,还是有不少坑的)。 首先说明下我使用的库的版本(对于模型转换主要关注下keras和tensorflow的版本就行了) python - 3.6.12 keras - 2.2.4 tensorflow - 1.13原创 2021-12-29 16:05:24 · 1550 阅读 · 0 评论 -
目标检测 - YOLOv1
YOLOv1目标检测 一、 算法介绍 YOLO是一个可以一次性预测多个bbox位置和类别的卷积神经网络,能够实现端到端的目标检测和识别,其最大的优势就是速度快。事实上,目标检测的本质就是回归,因此一个实现回归功能的CNN并不需要复杂的设计过程。YOLO没有选择滑动窗口或提取proposal的方式训练网络,而是直接选用整幅图片来训练模型。这样做的好处在于可以更好的区分目标和背景区域。 二、 原理实现 2.1 网络设计 YOLOv1的网络结构主要是借鉴了GoogLeNet网络,该网络包括了24个卷积层,2个全链原创 2021-07-10 19:13:58 · 845 阅读 · 0 评论