实例分割Yolact边缘端部署 (四) 利用预训练模型快速标注

快速标注流程

  • 预训练模型 如果数据集类别在coco类别内,那可以直接下载yolact的预训练模型yolact_resnet50_54_800000.pth。如果是新的类别,那可以进行少量标注,然后训练一个初始版model。
  • 利用预训练模型对数据集图像进行推理,并将推理结果保存成json格式。

1. yolact推理流程

1.1 evalimage()

  • 首先定位yolact推理单张图像的流程,利用eval.py加载模型对图像进行推理,从函数def evalimage可以看出, preds = net(batch)就获得了推理结果,prep_display()对结果进行了显示。
def evalimage(net:Yolact, path:str,
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

wangxiaobei2017

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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