- 博客(5)
- 收藏
- 关注
RSS订阅原创 对上次的deoldify方面的文章的补充（解决无法合成视频的问题）
之前因为赶时间交任务，所以并没有去深究deoldify运行完成后的问题，在这篇文章将上次没有解决的问题进行解决，欢迎各位点评。此处显示没有这个地址，可以看到问题位置在visualize.py文件的382行，这个得看自己运行的报错来确认位置，找过去后，可以发现是因为是相对路径造成的，直接将它修改为绝对路径。在运行完成后，他就会自动保存在指定地址了，这样做有个好处就是做出来的视频相对于后期合成的视频会看起来高清一点。以下为我的visualize.py的全部代码。
2024-05-07 16:15:29
340
1
原创 使用Deoldify模型来对视频影像复原（对运行时遇到的问题的做出的解决方案）
将处理好的视频进行对比，不难发现deoldify模型依旧具有很强的复原能力，但是仍然会有一些地方出现原片中黄色的斑驳，而且主要出现于人类的脸部和视频中环境较为复杂的地方，如果在训练的时候多加入这类的图片，也许模型可能还能再有提升的空间。
2024-04-18 17:02:27
941
2
原创 YOLOV8训练、验证和UI界面部署时可能问题的解决办法
为了训练一个基于YOLOv8的手势识别模型，我使用了数据集，在完成数据集的标注后，我们就可以将其应用到YOLOV8的训练当中（标注时，务必记住每个手势所对应的顺序，因为模型会对每一类标记的手势分配一个数字做为该类的象征数，比如用0表示call这个手势，而1表示dislike等，这些类对应的数字，我们要修改在训练所需要的__yaml文件当中）。在开始训练前，我先创建了3个文件夹，分别对应了训练集、验证集、测试集。
2024-04-16 19:55:27
1364
原创 基于yolov8的手势识别系统及脱机部署
完成ui界面设计后为实现模型的部署，先将pt格式的模型转换为onnx格式（为什么要要转成onnx模型呢，主要是因为onnx没有训练，只有推理，速度很快，而且目前大多数芯片都适配onnx模型，相当于一个通用莫模型，易部署。则将yolov8中util中的init文件的yaml文件的相对地址修改为default的绝对地址，如使用UI代码中使用有Qt包，pyinstaller打包因与Qt的兼容问题可能无法导出图片如图所示。转换qrc为py的代码附上。
2024-04-02 12:01:43
706
2
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