- 博客(16)
- 收藏
- 关注
原创 Ultra-Fast-Lane-Detection代码学习与报错解决
论文提出了一种新的车道检测方法,旨在解决在具有挑战性的场景下,如严重遮挡和极端光照条件下,快速检测车道。
2024-05-24 17:15:11
957
1
原创 详细的RT-DETR学习笔记
针对DETR的高计算成本问题,设计了一种高效的混合编码器,通过解耦尺度内交互和跨尺度融合来高效处理多尺度特征,并提出了IoU感知的查询选择,以提高目标查询的初始化。
2024-04-18 14:26:31
1156
1
原创 DETR学习笔记
为了简化这些流程,作者提出了一种直接的集合预测方法,即DETR,它通过端到端的方式直接输出最终的预测集合,无需手设计的组件。由于padding的区域是无效的,因此就需要一个额外的mask,其中0表示原图区域,而1对应padding区域,这部分的计算都会被mask掉,相当于告诉网络这些是无用的,不需要计算和回传梯度等。相反,它直接在图像的特征图上预测目标的位置和大小。有一个人叫x,他在一系列评判标准W中,计算得到,他的择偶标准是Q,自身条件是K,相亲对象为V,V就是由择偶标准是Q和自身条件是K得到的。
2024-04-08 20:28:10
785
1
原创 Mobilenet flask 云服务器部署
下载torch conda install pytorch==1.7.1 cpuonly -c pytorch。由于租的云服务器特别小,只有cup,所以只能安装cpu版本的torch和torchversion。网上找的各种方法,哪怕去官网的代码下载也是各种报错,内存不够啥的,上面这句算是不占内存的方法了。重点是在云服务器中安装anaconda和pytorch。根据自己的模型准备.pth和.json文件,配置安全组,一次性配置好这些可以用到的。做一个分类任务,鱼类识别,5.云服务器xshell中运行。
2024-01-04 10:21:09
468
1
原创 pip version available ERROR: Exception: Traceback:和PackagesNotFoundError: 更新pip
但是仍然报错,根据红色的信息提示,需要指定到我的环境的E:\python\anaconda\python.exe。有建议使用有建议说使用easy_install --upgrade pip可以试试或换源。今天在pip库的时候遇到各种问题,报错也看不懂,但大概率是pip版本不行了。有说是因为网络不好,重复了无数次也不行,
2023-12-08 20:16:06
151
原创 yolo数据集中 csv文件-- json文件--txt文件
json_to_txt.py 这里将所有的标签都减了一,可以不改,自己对的上就可以,当前标签:“badge”: 0,“offground”: 1,“ground”: 2,“safebelt”:3 bbox做了归一化(这个分数据集,有的数据集格式不一样,具体情况具体改)将json文件yolov5可用的标签格式。可以读取images文件夹中的多。
2023-12-07 16:04:53
303
原创 yolov5数据集的制作、划分-以识别高空作业及安全带佩戴为例
天池算法赛——广东电网智慧现场作业挑战赛 赛道三:识别高空作业及安全带佩戴这个数据集3_images.tar是图片,an_rname.csv是对应的标签信息,但yolo的数据集格式是而labels里面是每张图片对应的标签信息,我们要将csv文件转换成每一张图片名对应的txt文件。
2023-12-07 16:00:04
1061
1
原创 conda install kornia安装报错
应该就可以安装了,如果还是不行可能是当前的conda环境中其他已经安装的包与kornia存在冲突或依赖问题。原因:在当前的conda频道无法找到kornia包。添加conda-forge频道,直接用conda install kornia报错。
2023-11-20 10:18:37
769
原创 YOLOV5跑3D打印数据集遇到的问题
我删了下,下了删一直不行,最后从根本上解决问题——重装一个环境,用yolov5-6.2中的requirements.txt。该损失值对应每个预测框是否包含一个对象的置信度。由于连接方在一段时间后没有正确答复或连接的主机没有反应,连接尝试失败。该损失值反映了预测框和真实框在位置和大小上的误差。它通过调整网络让预测框更准确地匹配真实框来训练模型。该损失值对应每个预测框预测的类别分数。反映预测框与真值框的重合程度。反映了预测为正的样本中真正正类样本的比例。模型通过最小化该损失调整每个框的分类预测。
2023-10-30 14:38:35
165
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