目标检测
文章平均质量分 83
weixin_40293999
前几年web后端,后来AI深度学习,会一些运维。 AI聚焦于CV领域,熟悉nlp
展开
-
【深度学习】yolov5以及yolov8的微调后的模型精度对比
做了一个烟火识别,用了2W张图片,标注包括:fire,smoke。在coco80类的模型上进行ft, 借此机会进行比较一下。原创 2023-07-21 17:17:53 · 3709 阅读 · 2 评论 -
视频基础知识——编码时,帧率、码率、分辨率之间的联系
前提是,这种录制的效果,是自己可以接受的。是指视频文件在单位时间内使用的数据流量,也叫码率,经过视频压缩后每秒产生的数据量,而压缩是去掉图像的空间冗余和视频的时间冗余,是视频编码中画面质量控制中最重要的部分。720,则bit_rate需要设置大一些,比如设置成800 000, 此时画面才会清晰,如果依然设置成400000,则画面非常模糊,像打马赛克一样。码流越大,说明单位时间内取样率越大,数据流的精度就越高,处理出来的文件就越接近原始文件,画面质量越好,画质越清晰,要求播放设备的解码能力也越高。原创 2023-06-19 09:54:17 · 1190 阅读 · 0 评论 -
【深度学习】跌倒识别 Yolov5(带数据集和源码)从0到1,内含很多数据处理的坑点和技巧,收获满满
又要到做跌倒识别了。主流方案有两种:1.基于关键点的识别,然后做业务判断,判断跌倒,用openpose可以做到。但这种适合背景比较干净的,类似抖音尬舞的输出;2.基于目标监测的,有人躺下就标注为跌倒第二种方案,适合在工地,或者工厂上班的情况,因为很容易有人围观,聚集起来,方案1就容易误报,因为它为了保障速度,使用的是自下而上的方式。很容易将不同人的关键点张冠李戴,造成误报。因此我们使用方案2。原创 2023-06-06 12:21:01 · 4380 阅读 · 8 评论 -
[开发板]001瑞芯微3588s开发记录--装一个仿真环境
我是一个开发板的新手,刚买了一个瑞芯微3588s的板子,目标是要学习嵌入式的开发,也就是说把深度学习的框架,跑到板子上。万丈高楼平地起步。先把仿真环境搭建起来。仿真环境可以跑在ubuntu的机器上,但仿真环境只能运行python代码,而真是的3588s的板子是既能跑c/c++代码又能跑python代码。原创 2023-06-05 23:21:43 · 683 阅读 · 0 评论 -
【人脸识别】旷世的好用的人脸识别 insightface 使用记录和搭建服务注意点和坑,手把手教你从0到1,太好用了,可以直接运行项目,跟进更新+ffmpeg拉流抽帧
人脸识别项目,再走一遍。之前是公司老人留下的,没部署过,没交付过。这次重新搞一个,并且把搞过的记录下来。参考旷视的insightface:另外一个blog:https://blog.csdn.net/u013171226/article/details/123249453创建环境,安装库把它的git 代码都拉下来:解压到 /home/jianming_ge/workplace/zhongwaiyun/insightface/我觉得人脸矫正、人脸对齐,这个insight的库都帮我们做了。原创 2023-05-29 14:40:55 · 4663 阅读 · 12 评论 -
【目标监测】CenterNet原理详解
CenterNet网络比较简单,主要包括resnet50提取图片特征,然后是反卷积模块Deconv(三个反卷积)对特征图进行上采样,最后三个分支卷积网络用来预测heatmap, 目标的宽高和目标的中心点坐标。值得注意的是反卷积模块,其包括三个反卷积组,每个组都包括一个3*3的卷积和一个反卷积,每次反卷积都会将特征图尺寸放大一倍,有很多代码中会将反卷积前的3x3的卷积替换为DCNv2(Deformable ConvetNets V2)来提高模型拟合能力。原创 2023-03-01 15:44:40 · 683 阅读 · 0 评论