- 博客(57)
- 收藏
- 关注
RSS订阅原创 现有车牌识别项目对比调研及优缺点总结
车牌识别项目现存难点：① 车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来。② 车牌在图像中的尺度差异，不同车辆的悬挂位置差异。③ 车辆图像质量、车牌角度、运动速度导致的车牌模糊和脏污导致的车牌模糊，光照不足或过曝等问题。④ 部署场景对模型大小和推理速度的限制。
2024-04-15 11:21:45
827
原创 YOLOv8模型部署
YOLOv8模型部署 （针对道路交通采用多样化场景数据训练的模型 来测试新的场景）包含yolov8导出onnx【input shape (1, 3, 960, 544) BCHW ，output shape(s) (1, 10710, 15)】包含使用trtexec生成engine文件
2024-02-20 18:03:22
553
原创 针对某道路交通场景目标检测模型YOLOv8s和YOLOv8n检测测试结果分析——针对YOLOv8s模型设置不同confThred和iouThred对检测结果的影响及分析
——针对YOLOv8s模型设置不同confThred和iouThred对检测结果的影响及分析
2024-02-20 15:48:35
851
原创 YOLO框架下（ultralytics） RTDETE 与 YOLOv8 目标检测对比
1 RTDETR的召回相对较高，缺点：存在过检现象（背景或车上的货物识别为目标），优点：一些被遮挡或边角的目标能够比v8正确检出。2 存在目标RTDETR漏检，但v8正确检出。有时候v8也会过检，但概率较低。3 存在目标RTDETR误检，v8正确检出/由于遮挡漏检。4 当前训练是2700+数据训练的模型，本人认为尽管存在上述2、3所提问题，但RTDETR的过检应该可以通过conf过滤，而部分误检现象通过增大数据集应该可以改善，但2、3同时也说明，相对来说，v8可以用较少的数据训出较好的模
2024-02-01 10:46:31
1074
原创 3D点云数据的标定，从搭建环境到点云标定方法及过程，只要有一台Windows笔记本，让你学会点云标定
3D点云数据的标定，从搭建环境到点云标定方法及过程，只要有一台Windows笔记本，让你学会点云标定
2024-01-25 20:00:00
1068
原创 目前目标跟踪算法研究202308
我的总结：因为原论文本身是针对行人重识别的，而且作者在设计的时候，考虑到类内特征差异大，类间特征差异小的特点（例如，一个人背着包包前后拍到的差异大，不同人穿类似衣服，差异小），作者提出了通过联合聚合门（统一聚合门）生成的通道权重将不同尺度的信息动态融合，即做了全尺度的特征表示。 我们应用在车路协同场景下，目标追踪类型包含了机动车、非机动车和行人。机动车的类内差异主要体现在由于拍摄角度带来的形态差异。多目标类型的类间差异体现在机动车和非机动车及行人之间的差异较大。
2024-01-14 15:15:56
1094
原创 雷达点云数据处理：pcd数据融合，转为bin格式，sustech环境下标注目标
雷达点云数据处理：pcd数据融合，转为bin格式，sustech环境下标注目标
2024-01-12 18:39:24
577
原创 MMDETECTION3D 使用kitti格式的数据集跑centerpoint模型
MMDETECTION3D 使用kitti格式的数据集跑centerpoint模型
2024-01-05 15:37:59
809
1
原创 Paddle3D 2 雷达点云CenterPoint模型训练
点云的标签文件single-infrastructure-side\label\virtuallidar*.json转为txt文件存储，这里3Class，故只取类型（[“Car”, “Cyclist”, “Pedestrian”]）（[‘Cyclist’, ‘Car’, ‘Truck’]）。从原文件里面相同名称的图片复制过来就可以了，这里原图片文件是.jpg的格式，kitti里面查找.png的格式好像是写死的，为避免麻烦，可以先把图片直接重命名为.png的格式。
2024-01-03 22:00:00
1422
原创 Paddle3D 1 环境安装—— 包含ExternalError: CUBLAS error(7)解决办法
Paddle3D 环境安装—— 包含ExternalError: CUBLAS error(7)解决办法
2023-12-19 22:15:00
1145
原创 MMDetection3D雷达点云数据训练框架
MMDetection3D 支持任务：点云 3D 检测、单目 3D 检测、多模态 3D 检测和点云 3D 语义分割等。3D 目标检测按照输入数据模态划分可以分为：① 点云 3D 检测② 纯视觉 3D 检测③ 多模态 3D 检测（点云+图片）。
2023-12-08 16:43:02
1128
原创 雷达点云数据.pcd格式转.bin格式
注意，方法1原则上可行，但是本人没整好pypcd的环境方法2是利用open3d的环境，基于python3.7绝对可以的
2023-12-08 15:04:02
779
原创 MMDetection3D :openmmlab环境搭建及模拟kitti数据集跑pointpillars模型
openmmlab环境搭建及模拟kitti数据集跑pointpillars模型
2023-12-04 10:08:02
1768
4
原创 跨镜头目标融合__追踪之目标重识别研究（跨镜头目标追踪）
也可以使用自定义的Re-ID模型。只要它是UFF格式，并且每个对象的网络输出是L2范数的单个向量。然后基于余弦度量计算Re-ID相似性得分，并以与官方模型相同的方式用于执行数据关联。1. 使用TensorFlow或PyTorch等深度学习框架训练Re-ID网络。2. 确保TensorRT支持网络层，并将模型转换为UFF格式。仍然支持混合精度推理，并且INT8模式需要校准缓存。3. 根据自定义模型的属性，在跟踪器配置文件中指定以下参数。然后使用新的Re-ID模型运行DeepStream SDK。
2023-11-11 16:09:34
673
原创 8月AI实战：工业视觉缺陷检测
8月AI实战：工业视觉缺陷检测--基于tflite的yolov8模型优化和推理操作视频见B站连接：aidlux模型优化+工业缺陷检测～～完美用我的华为手机实现缺陷检测的推理[bilibiliaidlux模型优化+工业缺陷检测～～完美用我的华为手机实现缺陷检测的推理](
2023-09-08 16:03:52
204
原创 从0开始 yolov5可以用灰度图像进行训练和检测吗
通常我们采用RGB图像做目标检测，考虑多路视频流同时做目标检测时，消耗显卡算力和推理时间较多。现通过实验对比对灰度图（GRAY）和RGB图做训练和测试对比。
2023-09-05 15:42:10
3029
14
原创 从0开始做yolov5模型剪枝
整个流程中，在正常train，sparityTrain，prune，finetune遇到10多个的问题，包括AttributeError、ModuleNotFoundError、RuntimeError、SyntaxError、TypeError等问题的解决方法，详见内容
2023-08-25 17:45:57
1472
6
原创 显卡nvidia-smi后 提示Faild 解决过程，包含卸载重装NVIDIA驱动步骤
Unable to determine the device handle for GPU 8000:01:00.0: Unknown Errorreboot机器后，又输出如下，记为【Error2】NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed
2023-08-15 19:55:01
1064
原创 ubuntu 使用Python代码监控GPU和CPU的用量及温度
项目中，由于发现存在程序怪掉起不来，检查发现是输入命令nvidia-smi后，不打印NVIDIA显卡的驱动信息。
2023-08-04 14:29:19
446
原创 ByteTrack算法原理及流程
（3.1）先与（2.3）中剩的轨迹关联。 （2.1）使用当前帧的检测框和上一帧的卡尔曼滤波预测（或估计）结果，使用IOU计算相似度（或者如果有用ReID的话，会计算特征间距离计算相似度）。1 对当前帧中（置信度高于最低阈值的）所有检测框，根据置信度中间阈值分成 高置信度检测框 和 低置信度检测框。 （2.3）要保留未匹配到轨迹的高置信度检测框（即当前帧剩的检测框） 和 未匹配到检测框的上一帧存在的轨迹（即上一帧剩的轨迹）。 （3.3）删除在（3.1）中未匹配到轨迹的低置信度的检测框。
2023-07-27 19:15:00
657
1
原创 YOLOv5 YOLOv7 YOLOv8的模型测试对比和结论
基于使用自己训练的模型，yolov8做推理测试的时候postprocess时间大于inference时间_故做此研究。在val和predict速度栏，刚开始发现Yolov8的postprocess时长达到了16ms+。
2023-07-21 15:01:12
1368
3
原创 yolo系列不同模型训练的时候 数据集标注文件之间的相互转换
yolo系列不同模型训练的时候 数据集标注文件之间的相互转换一 将标注精灵标注的json文件转换为yolov5训练所需的txt格式，需依次遍历每一个json二 将yolov5的txt格式转化为yolovX的xml，需依次遍历每一个txt文件。三 将yolo格式的标注文件.txt转换为coco格式的标注文件.json四 写入txt文件 分别存放训练集和验证集图片的路径
2023-07-20 15:28:53
332
原创 视频目标检测 yolo算法小模型自训练模型对比（yolov5 yolov7 yolov8）
Yolo系列模型训练结果及测试结果对比：yolov5 yoloX yolov7 yolov8各个yolo系列版本对应小模型训练及测试对比原理测试结果 对比
2023-07-19 20:34:13
5507
6
原创 一种通过标定像素点和其对应经纬度值 构成映射，来计算视频图像内目标经纬度的方法
根据标定点计算R_t矩阵_单应性矩阵方法一种通过标定像素点和其对应经纬度值 构成映射，来计算视频图像内目标经纬度的方法。
2023-07-04 01:00:00
475
4
原创 匈牙利匹配算法源码
注意：其中注释的方法步骤与其中的源码步骤略有不同。头文件涉及函数及步骤有：匈牙利匹配算法源码。计算匹配的主函数参考main()函数。
2023-07-03 21:45:00
133
原创 ReadMe_人流量检测：（区分正负方向）
人流量检测：（区分正负方向）通过进行①视频目标检测，并②视频标定线段，利用③目标跨线逻辑，统计不同方向的流量
2023-06-12 13:00:04
81
原创 注意力(Attention)机制概述
在视觉方面，注意力机制的核心思想是突出对象的某些重要特征。【从关注全部到关注重点】 注意力机制的目的可以认为是在深度神经网络的结构设计中，对某些权重添加注意力。可以理解为再增加一层权重，重要的部分这个权重设的大一点，不重要的部分设的小一点。【参数少+速度快+效果好】 视觉注意力分为几种，核心思想是基于原有的数据找到其之间的关联性，然后突出其某些重要特征，有通道注意力，像素注意力，多阶注意力等，也有把NLP中的自注意力引入。
2023-04-24 18:18:15
2023
原创 跨镜头跟踪（多源跟踪）方案
对于多个镜头下对于目标物体的持续跟踪，需要跨镜头跟踪算法来解决 譬如当目标从一个镜头切换到另一个镜头，会出现目标跟丢的情况。 本篇以2个相机拍摄的目标跟踪场景为例。考虑涉及两种场景：（1）两台相机存在重叠区域；（2）两台相机不存在重叠区域。。
2023-04-21 16:57:09
2475
4
原创 车道内计算车头时距涉及的算法原理
车头时距：同向行驶的一列车队中，相邻车辆车头之间的时间间隔。平均车头时距：观测路段上所有车辆的车头时距的平均值。计算公式为：两车的车头间距除以后车速度。对于信号交叉口场景，可获取两辆车连续通过停止线的时间作为车头时距。参考：《交通工程学》 李作敏 人民交通出版社如有疑问或建议可加V（xuanze500）详询。
2023-04-18 15:27:13
867
原创 多目标跟踪(MOT,Multiple Object Tracking)评价指标
多目标跟踪(MOT,Multiple Object Tracking)评价指标
2023-04-17 11:17:50
1423
原创 安装NVIDIA driver 510.47.03 cuda11.6 cudnn
安装NVIDIA driver 510.47.03 cuda11.6 cudnn 经常安装的时候会遇到奇奇怪怪的问题，所以记录下来。
2023-03-13 11:27:58
663
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人