Ai 医学图像分割
一名没事喜欢敲敲代码的铲屎官
展开
-
YOLOV5 改进:替换backbone为GhostNet
训练的时候也要更改train.py 脚本的 yaml文件路径(cfg)有的版本,作者已经加了这个代码,忽略即可。当然要引入common新建的类。将yolo.py 脚本中的。原创 2024-09-10 16:49:50 · 223 阅读 · 0 评论 -
YOLOV5 改进:替换backbone为MobileVIT
yolov5替换主干网络的步骤如下,依旧和之前的一样。原创 2024-08-02 20:06:07 · 161 阅读 · 0 评论 -
YOLOV5 改进:替换backbone为EfficientNet
本章将会把yolov5的主干网络替换成EfficientNet V2,这里直接粘贴代码更多的backbone更换参考本专栏:更换的顺序如下:本文更换的是efficientNet V2。原创 2024-05-26 17:16:25 · 308 阅读 · 0 评论 -
YOLOV5 改进:替换backbone为ShuffleNet
本章将会把yolov5的主干网络替换成ShuffleNet V2,这里直接粘贴代码。原创 2024-04-25 21:38:37 · 229 阅读 · 0 评论 -
YOLOV5 改进:更换主干网络为Resnet
之前实现了yolov5更换主干网络为MobileNet和vgg网络本章将继续将yolov5代码进行更改,通过引用官方实现的resnet网络,替换原有的yolov5主干网络。原创 2024-04-02 17:17:11 · 571 阅读 · 0 评论 -
YOLOV5 改进:替换backbone为Swin Transformer
这里对yaml文件简单介绍如下,官方的swin transformer 有四种形式,上述的yaml只是实现了Swin-Tyaml 文件主要分为两部分,一个是PatchEmbed,一个是SwinStage和PatchMering的循环这里的 96 就是第一行的concat参数96代表输出的维度4代表embed的size,也就是下采样四倍。原创 2024-03-21 20:38:52 · 780 阅读 · 0 评论 -
YOLOV5 改进:更换主干网络为vgg16(包含迁移学习)
下面head的部分要根据层数更改成这样。这个在mobilenet那里有详细介绍,很简单的,不多赘述。原创 2024-03-28 19:31:02 · 598 阅读 · 0 评论 -
YOLOV5 改进:替换backbone为Vgg
参考上一章的博文()将yolov5的backbone换成自定义的vgg网络网络参数量很多,并且刚开始训练的时候精度很差,应该是没有迁移学习导致的。大概经历了30-40多个epoch,网络才进行收敛, 加大epoch可以提升网络的精度。不过由于vgg的参数量太多了,这里只训练100个epoch,感兴趣的可以自己尝试下。原创 2024-03-20 12:50:51 · 380 阅读 · 7 评论 -
YOLOV5 改进:替换backbone(MobileNet为例)
之前介绍了yolov5如何更换C2f模块以及加入注意力机制SE模块的示例,详细请参考本专栏:YOLOV5 实战项目(训练、部署、改进等等)_听风吹等浪起的博客-CSDN博客本文将详细介绍yolov5更换官方backbone,以轻量级网络mobilenet为例。因为mobilenet是轻量级的小型网络,参数量和计算量相比于传统的DarkNet而言少了很多,可能精度会有所损失。不过掌握了方法后,可以熟练的更换别的网络,例如transformer等等原创 2024-03-19 14:11:14 · 1096 阅读 · 0 评论 -
YOLOV5 改进:增加注意力机制模块(SE)
SE模块的介绍:主要包含Squeeze和Excitation两部分主要的思想就是为不同的像素点增加权重,因为人眼在观察物体进行识别的时候,对不同部分侧重点是不同的,所以注意力机制就是为了模拟这一特点Tips : 这里的输入和输出维度是一样的!原创 2024-03-17 14:32:47 · 874 阅读 · 0 评论 -
YOLOV5 改进:修改网络结构--C2f 模块
完整的步骤:1、在common文件中加入需要的模块,例如C2f。如果新增的模块中有和yolov5中不一样的子模块,那么同样需要拷贝,建议更改名称防止重名!!2、在yolo中导入common新增的模块,注意头文件是否需要导入3、更改yaml文件,将模块换成新增的参数YOLOv5 项目:训练代码和参数详细介绍(train)-CSDN博客5、推理的时候正常推理就行,因为载入权重的pt文件,就会自动导入网络了YOLOv5 项目:推理代码和参数详细介绍(detect)_yolo的detect-CSDN博客。原创 2024-03-16 16:04:05 · 1282 阅读 · 2 评论 -
YOLOV5 模型:利用tensorboard查看网络结构和yaml文件介绍
这部分为了后续添加改进模块,所以详细介绍下。原创 2024-03-16 14:22:40 · 986 阅读 · 0 评论 -
YOLOV5 推理:Torchhub 模型推理详解
torch.hub 的检测可以实现几行代码进行检测,这里介绍yolov5中利用hub进行推理。原创 2024-03-25 13:36:10 · 439 阅读 · 0 评论 -
YOLOV5 部署:TensorRT的安装和使用
TensorRT 可以加速神经网络的推理时间,常常在工业生产中使用。原创 2024-03-24 13:48:02 · 405 阅读 · 0 评论 -
YOLOV5 部署:cuda和cuDNN安装
TensorRT 的安装需要配合cuda的使用,所以这里需要安装cuda和cudnn用于加速推理TensorRT 就是神经网络专门用来加速的框架之前训练yolov5项目的时候,我们只是配置了torch的GPU环境,没有专门安装cuda和cudnn,因为简单的训练、推理没必要cuda加速。而TensorRT需要cudnn的加速,所以本文介绍如何安装cuda和cudnn。原创 2024-03-21 13:28:43 · 336 阅读 · 0 评论 -
YOLOV5 部署:基于web网页的目标检测(本地、云端均可)
YOLOV5推理的代码很复杂,大多数都是要通过命令行传入参数进行推理,不仅麻烦而且小白不便使用。本章介绍的web推理,仅仅需要十几行代码就能实现本地推理,并且只需要更改单个参数就可以很方便的部署云端,外网也可以随时的使用可视化界面确实很方便,不过有两个缺点:QT的编写复杂,要通过qt拖拽的方式生成ui界面,然后编写成py文件。然后编写脚本,对ui的每个按钮组件绑定事件其次,ui可视化界面一旦形成不好泛化,想要增添新的应用需要重新建立ui文件。原创 2024-03-15 12:09:03 · 1544 阅读 · 0 评论 -
YOLOV5 部署:QT的可视化界面推理(根据UI窗口编写内部函数)
上一章,UI的可视化界面已经创建好了。并且通过UI文件编译成了python可以处理的py文件,为了方便使用,我们新建了qt_inference 对ui的py脚本进行调用,效果如下本章将接着上面操作,完成一个可以实时检测的YOLOV5可视化推理界面下面将根据项目一步一步实现函数,可能会看得有点头昏,或者害怕代码缺失的问题。不用担心,文末会有脚本的全部代码,可以拷贝下面跟着博文一起实现就行了。原创 2024-03-14 16:33:55 · 5711 阅读 · 3 评论 -
YOLOV5 部署:QT的可视化界面推理(创建UI,并编译成py文件)
之前用YOLOV5 做了一个猫和老鼠的实战检测项目,本章将根据之前训练好的权重进行部署,搭建一个基于QT的可视化推理界面,可以检测图片和视频。原创 2024-03-14 14:50:43 · 1918 阅读 · 0 评论 -
YOLOV5 图像分割:利用yolov5进行图像分割
本章将介绍yolov5的分割部分,其他的yolov5分类、检测项目参考之前的博文yolov5的分割和常规的分割项目有所区别,这里分割的结果做了掩膜效果,并且绘制了bbox想要单纯的获得gt图像,或者去掉bbox,需要更改代码。原创 2024-06-06 17:07:11 · 633 阅读 · 0 评论 -
YOLOV5 分类:利用yolov5进行图像分类
之前介绍了yolov5的目标检测示例,这次将介绍yolov5的分类展示yolov5和其他网络的性能对比yolov5分类的代码部分在这。原创 2024-04-05 21:36:58 · 1890 阅读 · 1 评论 -
YOLOV5 初体验:简单猫和老鼠数据集模型训练
YOLOV5 训练猫和老是数据集图像的介绍原创 2024-03-09 14:11:15 · 1073 阅读 · 8 评论 -
YOLOv5 项目:推理代码和参数详细介绍(detect)
yolov5 中detect脚本的详细讲解原创 2024-03-01 15:07:18 · 2928 阅读 · 0 评论 -
YOLOv5 项目:训练代码和参数详细介绍(train)
YOLOv5 训练输入参数的详细解释原创 2024-03-06 15:24:32 · 7277 阅读 · 1 评论 -
YOLOv5 项目:环境配置
yolo v5 环境配置原创 2024-02-29 15:12:45 · 1505 阅读 · 0 评论