开源代码 yolov3_MindSpore基于YOLOv3实现篮球检测模型实战

最新推荐文章于 2024-09-14 08:17:49 发布

weixin_39764603

最新推荐文章于 2024-09-14 08:17:49 发布

阅读量591

点赞数

文章标签：开源代码 yolov3

本文链接：https://blog.csdn.net/weixin_39764603/article/details/112574574

版权

本文介绍如何使用ModelArts和MindSpore 1.0在昇腾910环境下实现YOLOv3篮球检测。通过PyCharm Toolkit进行本地代码编写，并利用预训练模型和数据集进行预测。文章详述了代码获取、ModelArts环境配置、预测过程以及视频处理的挑战和解决方案。

摘要由CSDN通过智能技术生成

“ModelArts + MindSpore”实战YOLOv3篮球检测

Copy攻城狮人狠话不多，学AI就到huaweicloud.ai,和“MM”一起玩转AI。

前言

大家好，我是Copy攻城狮胡琦，有幸参与华为业界首个全场景AI实战营。今天是MIndSpore 21天实战营的第四次课。提到物体检测，我最先想到的是YOLO系列，因为之前在华为云AI实战营中就接触过，其实现在都忘得差不多了：【2020华为云AI实战营】物体检测作业分享。正好借本次实战营的机会再来熟悉一下(其实到最后只是熟悉了一下opencv切割合并视频)，本次实践将借助ModelArts、PyCharm ToolKit,基于昇腾910的MindSpore 1.0环境实现YOLOv3模型检测篮球比赛中的动作。是的，ModelArts的训练环境终于更新了MindSpore 1.0！Talk is cheap, show me the COPY！

准备

鉴于本次实践使用PyCharm Toolkit，意味着在本地用PyCharm编写代码，在PyCharm中使用ModelArts的插件上传代码到OBS并进行训练，因此您除了注册华为云账号、申请昇腾公测(很快就要商用了)、开通OBS，还需要配置本地的Pycharm Toolkit，本文就不详细阐述，操作比较简单，只需下载AK/SK配置到Pycharm