数据收集
文章平均质量分 74
fegggye
这个作者很懒,什么都没留下…
展开
-
使用Tensorrt的python api 部署支持动态batch的yolov5s
系统环境:ubuntu 1804cuda11.3tensorrt 8.2.06显卡2080pytorch 1.10.0onnx 1.10.2onnx-simplifier 0.3.6步骤1:导出onnx 模型(参考https://github.com/shouxieai/tensorRT_Pro)1.1 下载yolov5项目并修改相关代码,目的是减少导出onnx的复杂度,只保留一个输出便于后处理# 下载并进入yolov5项目git clone git@github原创 2021-11-26 11:58:30 · 4679 阅读 · 7 评论 -
tensorflow图像数据增强预处理
灰度图添加随机高斯噪音 def gauss_image(image, std): image_f = tf.cast(image, tf.float32) gs = std * tf.random_normal(tf.shape(image))#创建噪声图像 image_gauss = image_f + gs imag...原创 2019-11-21 11:04:28 · 919 阅读 · 0 评论 -
使用Tensorrt的python api 部署支持动态batch的yolov5s-face
上次尝试了使用Tensorrt的python api 部署支持动态batch的yolov5s_u012160945的博客-CSDN博客系统环境:ubuntu 1804cuda11.3tensorrt 8.2.06显卡2080pytorch 1.10.0onnx 1.10.2onnx-simplifier 0.3.6步骤1:导出onnx 模型(参考https://github.com/shouxieai/tensorRT_Pro)1.1 下载yolov5项目并修改相关代码,目的是减少导出onnx的复杂度,原创 2021-12-03 11:35:57 · 1268 阅读 · 2 评论 -
deepstream6.0 python sample试跑试跑(unbunt1804 ,GTX1060)
1.deepstream安装:(docker大法)docker pull nvcr.io/nvidia/deepstream:6.0-triton2.进入dockerxhost +docker run --gpus '"'device=0'"' -it --rm -v /tmp/.X11-unix:/tmp/.X11-unix -e DISPLAY=$DISPLAY -w /opt/nvidia/deepstream/deepstream-6.0 nvcr.io/nvidia/deepst原创 2021-11-19 15:33:40 · 2619 阅读 · 2 评论 -
centernet(objects as points)的尝试[基于tf.slim]
最近拜读了《CenterNet :Objects as Points》(https://arxiv.org/pdf/1904.07850.pdf),感觉很受启发。网上对这篇论文解读的博客也是很多,有很多博主的总结也很到位。其中我感觉下面这张图最能代表核心思想:网络的主要结构是通过一个backbone生成网络生成Feature map,再通过带分支的检测头分别预测物体的中心点,物体的宽高和heatmap。下面是自写的检测头代码:feat为某个backbone生成的多维特征图def ce.原创 2020-07-02 13:46:55 · 235 阅读 · 0 评论 -
pyvista对3D体素数据进行三维重建
import pyvista as pvfrom pyvista import examplesimport numpy as npimport vtkfrom scipy import ndimagepv.rcParams["use_panel"] = False# 1.载入体素数据raw格式imgData = np.fromfile('3d.raw', dtype=np.uint16)imgData = imgData.reshape(821, 1206, 276)/255.0 #.原创 2020-10-09 13:03:36 · 1252 阅读 · 0 评论