思路：准备将ssd历程改成yolo的历程

最新推荐文章于 2024-06-07 14:23:55 发布
最新推荐文章于 2024-06-07 14:23:55 发布
阅读量297 收藏
点赞数
分类专栏： 海思开发板 sd3403 文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43712893/article/details/127683686
版权
  1. 可以将ssd的模型换成yolo，在改动图片大小参数，。输入输出内存的对应等等，aipp的cfg参数。

aipp部分可以 通过mindstudio的模型可视化来观察输了输出个数，将其更改一一对应。使得ssd；历程的后处理部分适合yolo的模型。

aipp的配置，主要是.cfg文件的配置

华为CANN训练营笔记——应用开发全流程 [1]（with 代码版）_KimJuneJune的博客-CSDN博客

准备直接使用YOLOV3_coco_detection_picture的cfg

代码代码输入输出与后处理的更改

从模型可视化结果来看，ssd是一个输入，yolov3是两个输入 

直接使用.cfg出错，得按照自己的模型更改。需要看《atc工具使用指南》 

Flying.Z
关注
专栏目录
海思SD3403开发/SS928V100 移植Yolo模型
Littro Innovations
01-06 5267
如何在SD3403、SS928V100移植Yolo模型
keras-yolo3：python库之keras-yolo3的简介、安装、使用方法详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
03-20 4613
keras-yolo3：python库之keras-yolo3的简介、安装、使用方法详细攻略 keras-yolo3的简介 A Keras implementation of YOLOv3。YOLO检测网络包括24个卷积层和2个全连接层，如下图所示。 其中，卷积层用来提取图像特征，全连接层用来预测图像位置和类别概率值。 YOLO网络借鉴了GoogLeNet分类...
目标检测ssd的.xml标记转换为yolo的.txt标记
weixin_56068397的博客
11-09 448
引言 在进行目标检测项目时，首先是要通过labelImg软件将图片进行标记，此时在labelImg当中有三种对应的标记方式，分别对应labelImg中的：YOLO、CreateML、PascalVOC，他们的后缀分别为.txt、.json、.xml； 实战体验 在本次项目当中我们的目标检测模型是SSD，SSD模型要求标记的数据集的后缀为.xml，为了能够使得该标记的数据集也能够使用在YOLO模型当中，需要通过转换将.xml转换成.txt，但是在转换的过程中遇到如下问题： YOLO当中由于数据经过标准化，标记
YOLOv5在SD3403上的部署（包含模型训练，模型转换，SDK部署）一
trepassing的博客
11-11 2081
本文较为详细的给出了部署yolov5模型到海思sd3403板子上的方法
YOLO目标检测+SSDD遥感检测数据集已标注可以直接使用（1160张图像+对应已标注xml文件）.rar
05-10
1、资源内容：YOLO目标检测+SSDD遥感检测数据集已标注可以直接使用（1160张图像+对应已标注xml文件）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 4、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 5、作者介绍：某大厂资深算法工程师，从事Matlab、Python、C/C++、Java、YOLO算法仿真工作10年；擅长计算机视觉、目标检测模型、智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、智能控制、路径规划、无人机等多种领域的算法仿真实验，欢迎交流学习。
海思SD3403开发板学习（四）
蘑菇炒辣椒的CSDN
06-06 2765
海思SD3403开发板学习系列：四 模型转换
极速对决：YOLO与SSD的检测界较量
最新发布
08-04
YOLO 算法的特点是它将物体检测任务视为一个单一的回归问题，直接从图像像素到边界框坐标和类别概率的映射。这种算法的设计允许它在保持高精度的同时实现快速的检测速度，因此特别适合需要实时反馈的应用场景。 ...
DeepLearning-TensorFlow2:本专栏我将使用谷歌TensorFlow2.0框架逐一重现经典的卷积神经网络：LeNet，AlexNet，VGG系列，GooLeNet，ResNet系列，DenseNet系列，以及现在比较流行的：RCNN系列，SSD，YOLO系列等
03-20
在这个项目中，我将使用谷歌TensorFlow2.0框架逐一重现经典的卷积神经网络：LeNet-5，AlexNet，VGG系列，GooLeNet，ResNet系列，DenseNet系列，以及现在比较流行的：RCNN系列，SSD ，YOLO系列等。 教程目录 图像分类...
66.深度学习物体检测详解：YOLO vs SSD - Enjoy Coding - CSDN博客1
08-04
本文主要讨论两种流行的实时物体检测方法：YOLO（You Only Look Once）和SSD（Single Shot MultiBox Detector），它们都以高效和精确著称。 YOLO由Joseph Redmon等人在2015年的论文《You Only Look Once: Unified, ...
YOLO vs SSD
weixin_43856821的博客
06-09 5518
R-CNN等一系列算法。主要思路是首先通过启发式方法（selective search）或者CNN网络（RPN）产生一系列稀疏的候选框，然后对这些候选框进行分类与回归。特点是准确度高。如YOLO和SSD。主要思路是均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，之后利用CNN提取特征后进行分类与回归。特点是速度快，但是均匀地密集采样的一个缺陷在于正样本（分类目标）和负样本（背景）不均衡，导致模型准确率低（参见Kaiming的Focal Loss）。  SSD的全称为Single Shot
海思3559实现yolov3实时识别
06-18
利用海思HI3559平台，来实现yolov3实时的输入输出识别处理，经过实际测试，海思3559平台可以达到8帧/s的识别速度。 本课程详细介绍了该算法实现的原理，框架以及过程，详细解释了源代码，并且已经将实现的代码上传课件，学员可以下载后直接实现该算法。
海思SD3403开发板学习（五）
蘑菇炒辣椒的CSDN
06-16 4159
海思SD3403开发板学习系列：五 模型初始化与反初始化
海思SS928（SD3403）部署YOLOv5-YOLOv7步骤详解
u012374012的专栏
06-07 1519
1. YOLO模型资料本文档内容以yolov5-7.0工程、yolov5s模型为例。a. 模型结构详细的模型结构可以利用netron工具打开.pt或.onnx模型查看。b. 模型参数即验证结果其中，YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x为五种类型的预训练模型，其包含的检测类别相同，均包括以下80类'person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus',
sd3403开发板学习（二）
qq_43712893的博客
11-01 867
sd3403开发板学习（二） 基于 Caffe YOLOv3 网络实现目标检测
YOLOv5(6.1)安卓端部署记录
weixin_55127650的博客
03-31 7382
分享一下yolov5部署到安卓端的踩坑记录，这里跳过yolov5训练部分（这部分网上很多教程），直接说重点。训练得到的为.PT模型，要部署到安卓端首先要转换为onnx模型，这一步6.1版本提供了export.py文件直接调用就行，这里附上官方源码。https://github.com/ultralytics/yolov5https://github.com/ultralytics/yolov5 附上图片，主要介绍怎么把自己训练好的模型导入到安卓端，这里'--data'为yolov5对应的yaml文..
海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（5）
Littro Innovations
12-20 2267
上一篇已经把Onnx模型导出来了，在Netron看到层都对了之后就要去转换om模型了。首先，强烈建议不要和训练的linux搞一起，很多库不一定一样。如果很熟练能来回切换Python版本和库的牛人另当别论。几个依赖库版本这里列一下，方便参考。我用的是Ubuntu18.04。都按下面指令安装就可以。然后就是python的安装，这个就比较简单了。我装的是python3.7，也可以装高版本，这个应该没什么影响。python是先从官网下载的对应版本包后手动安装的。
海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（1）
Littro Innovations
09-26 1873
海思SS928，SS926以及Hi3519dv500,hi3516dv500下的yolov7模型部署推理系列
2021.09.02更新说明 c++下使用opencv部署yolov5模型 （三）
热门推荐
qq_34124780的博客
05-07 2万+
此篇文章接上篇，从上篇中导出的onnx模型的部署，此篇默认已经配置好opencv的环境了，包括如果需要使用cuda加速的环境。opencv的cuda环境需要用cmake编译contrib包（此处也是个大坑），如果cuda没有安装好，opencv会默认切换cpu推理。 零、新建一个头文件yolo.h和yolo.cpp,在头文件中定义一个Yolo类。 //yolo.h #pragma once #include<iostream> #include<math.h> #includ
海思驱动开发：海思平台IO驱动移植
程序员的自我修炼
02-03 1602
海思采用设备树描述初始化驱动，本文编写基于IO应用的led驱动移植海思平台所做改动，作为后续移植参考。 一、基于IO应用的led驱动编译 直接编译linux内核旧版本的基于IO引用的led驱动源文件发现编译不过，这是因为海思编译器检测到函数指针与指向函数不匹配造成的，修改相应函数的参数以及返回值后编译就可以通过。 编译通过后运行发现probe没...
目标检测方法解析：R-CNN、YOLO与SSD
"该资源是一个关于目标检测方法的PPT概述，涵盖了从基础概念到具体算法的详细介绍，包括R-CNN、YOLO和SSD。适合初学者了解和深入理解目标检测领域。" 目标检测是计算机视觉中的关键任务，旨在识别图像中的特定对象...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值