yolo系列算法学习
文章平均质量分 71
记录yolov5、yolov4、yolo-fastest的训练、测试、模型转换和部署等
小俊俊的博客
沉迷于摸鱼的程序员
展开
-
Yolov8训练自己的数据集记录
仅做个人试验记录!原创 2023-10-09 16:28:10 · 1805 阅读 · 1 评论 -
Yolo-fastestv2训练自己的数据集记录
https://github.com/dog-qiuqiu/Yolo-FastestV2原创 2023-02-13 19:36:19 · 1281 阅读 · 3 评论 -
yolov7从环境配置到训练自己的数据集及人体姿态估计AlexeyAB版本
前几天美团发布yolov6,已经让人学不过来了,今天又看到yolov7发布,并且有AB大佬站台!本文将使用yolov7的过程记录下来,尽量从环境配置、测试到训练全部过一遍。电脑基本配置:1.Ubuntu20.042.cuda+cudnn3.pycharm4.GPU==3060ti相较于yolov5与yolov6的代码,yolov7中没有requirements.txt文件,也没有给出具体的环境配置要求,因此这一部分基本摸着石头过河吧。本实验中继续使用pycharm进行配置。1.新建yolov7的原创 2022-07-11 23:24:17 · 18197 阅读 · 72 评论 -
yolov6训练自己的数据记录+yolov5对比测试
美团最近发布了yolov6版本,恩,不管怎么说,还是实验一下效果怎么样吧。以下博文为实验过程记录。代码:一、电脑配置1.Ubuntu202.Cuda 11.2 + cudnn下载代码和环境配置下载代码解压后,使用pycharm打开yolov6文件夹,因为yolov6文件夹中包含requirements.txt文件,打开后pycharm会自动识别,出现选好位置,进行安装即可。注:直接这样安装,pytorch可能会安装成cpu版本,可以先在requirement.txt中,将torch注释一下,后原创 2022-06-28 10:47:14 · 3888 阅读 · 10 评论 -
Yolov5+dnn+卡尔曼滤波(Kalman)实现目标跟踪及预测
Yolov5+dnn+卡尔曼滤波(Kalman)实现目标跟踪及预测环境配置1.ubuntu202.opencv+opencv_contrib场景应用及流程描述在导航、检测短暂丢失目标时,利用kalman算法对目标移动轨迹做一个简单的预测。通常目标跟踪是由检测器+跟踪器作为基本配置,目前常用的检测器通常为yolo系列或者faster rcnn等通用目标检测器。跟踪器用的比较多的是deepsort。但是deepsort实验时,分配ID比较乱,这次采用kalman。配置yolov5的dnn模块这一原创 2022-03-15 16:40:17 · 10179 阅读 · 4 评论 -
python合并两个txt文件内容-yolo格式数据
python合并两个txt文件内容-yolo格式数据代码import osimport randomimport shutildef concattxt(path1,path2): pathdir1 = os.listdir(path1)#获取第一部分txt文件夹中的文件列表 for txtname in pathdir1: #name1 = os.path.splitext(txtname)[0]#获取当前txt文件名字原创 2021-10-28 17:21:24 · 823 阅读 · 0 评论 -
yolo格式数据集划分代码
yolo格式数据集划分代码一、描述目前只有两个文件夹,image—存放图像,labels----存放txt格式的标签文件。需要划分为训练集、验证集和测试集。手动划分的话,一个费时费力,还无法保证随机性。二、代码####从图像文件夹中随机抽取一定比例的图像,并根据图像名字,抽取对应的txt标签import osimport randomimport shutildef moveFile(Imgdir): pathDir = os.listdir(Imgdir) #获取原创 2021-09-16 15:51:04 · 3259 阅读 · 0 评论 -
树莓派运行yolo fastest启用bf16加速
树莓派运行yolo fastest优化前言主要做了如下优化1.更改树莓派系统为Raspbian-64位2.启用ncnn的bf16s加速第一部分—安装Raspbian-64位系统一,下载镜像和工具1.镜像下载树莓派64位镜像文件2.SD Card Formatter下载SD Card Formatter3.烧录工具下载win32DiskImager二,烧录系统这一部分省略,和网上大部分操作一样。三,增加wifi连接配置和ssh服务SD卡插入电脑(暂时不要插入树莓派),打开boo原创 2021-05-19 17:29:44 · 2728 阅读 · 14 评论 -
yolov4出现CUDA Error: all CUDA-capable devices are busy or unavailable
yolov4出现CUDA Error: all CUDA-capable devices are busy or unavailable一、问题描述CUDA Error: all CUDA-capable devices are busy or unavailable: Successdarknet: ./src/utils.c:331: error: Assertion `0’ failed.二、查找方案1.可能是cfg文件配置错误解决方法[net]batch=1subdivision原创 2021-04-21 10:06:54 · 916 阅读 · 0 评论 -
YOLO-Fastest的opencv_dnn部署树莓派
YOLO-Fastest的opencv_dnn部署树莓派一、代码来源https://github.com/hpc203/Yolo-Fastest-opencv-dnn二、环境1.win102.opencv451+dnn3.树莓派4b三、PC端1.配置文件路径将权重文件和配置文件放入指定文件夹既可,根目录下添加自己的names文件修改代码modelConfiguration = "Yolo-Fastest-voc/yolo-fastest-1.1.cfg"modelWeights =原创 2021-04-19 10:37:22 · 1383 阅读 · 0 评论 -
YOLO-Fastest训练自己的数据
YOLO-Fastest训练自己的数据继续yolo-fastest的学习,上一篇已经基本跑通了yolo-fastest,接下来开始训练,本次代码依旧是:https://github.com/dog-qiuqiu/Yolo-Fastest吐槽一句,这个代码里面怎么啥都有,感觉好乱啊!刚开始看的时候一脸懵逼,反复确认才明白没下载错代码。然后作者官方Readme只要简简单单的一两句话介绍训练,估计是要逼死小白!一、配置环境1.win102.cuda10.2+cudnn3.opencv4514.v原创 2021-04-17 16:16:25 · 6427 阅读 · 42 评论 -
跑通YOLO-Fastest
YOLO-Fastest训练自己的数据一、代码来源https://github.com/dog-qiuqiu/Yolo-Fastest二、环境配置1.win02.cuda10.2+cudnn3.opencv4514.vs20155.cmake三、编译代码1.修改Makefile配置GPU=1CUDNN=1CUDNN_HALF=0OPENCV=1AVX=1OPENMP=0LIBSO=0ZED_CAMERA=0ZED_CAMERA_v2_8=0主要根据自己的环境设置GP原创 2021-04-16 10:53:05 · 2252 阅读 · 6 评论 -
Opencv、dnn部署自己的Yolov5模型记录
Opencv、dnn部署自己的Yolov5模型记录一、环境配置1.opencv == 4.5.1+dnn模块2.pytorch == 1.83.ubuntu18.04二、代码来源1.https://github.com/hpc203/yolov5-dnn-cpp-python-v22.https://github.com/ultralytics/yolov5注:选用第四版。三、训练自己的模型先插一句话:一定要配置pytorch>=1.7.1,python版本可以不用担心(我的p原创 2021-04-12 11:25:06 · 4145 阅读 · 18 评论 -
ubuntu18下使用TensorRT对yolov5加速记录
ubuntu下使用TensorRT对yolov5加速记录一,安装TensorRT1.对应自己的Cuda 与Cudnn版本cat /usr/local/cuda/version.txtcat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2我的版本信息如下2.安装TensorRT原创 2021-03-22 10:16:45 · 4424 阅读 · 24 评论 -
yolov5启用数据增强、tensorboard可视化及cutout增强
yolov5启用数据增强与tensorboard可视化一,yolov5启用数据增强1.data目录下,有两个hyp的文件:data/hyp.scratch.yaml和data/hyp.finetune.yaml具体内容如下:# Hyperparameters for VOC fine-tuning# python train.py --batch 64 --cfg '' --weights yolov5m.pt --data voc.yaml --img 512 --epochs 50# See原创 2021-03-12 09:11:29 · 14631 阅读 · 23 评论 -
pytorch yolov5训练自己的数据
pytorch yolov5训练自己的数据一,下载代码https://github.com/ultralytics/yolov5二,配置环境按照代码中的 requirements.txt文件进行安装备注:代码中讲到需要python3.7环境,但是我的python3.6也可以跑该程序三,数据准备1.在data文件夹下新建如下四个文件夹2.将原始的xml标签放入Annotations中,图像放入images中。3.运行脚本文件,在根目录下新建makeTxt.py,代码如下:import o原创 2020-07-14 16:18:34 · 6964 阅读 · 19 评论 -
yolov5部署2——onnx->ncnn
yolov5部署2——onnx->ncnn一,ncnn环境搭建1.电脑需要先安装如下几个库:g++、cmake、protobuf、opencvprotobuf安装:$ sudo apt-get install autoconf automake libtool curl make g++ unzip$ git clone https://github.com/google/protobuf.git$ cd protobuf$ git submodule update --init --r原创 2020-11-01 20:02:14 · 2376 阅读 · 3 评论 -
yolov5部署1——pytorch->onnx
yolov5部署1——pytorch->onnx目标:pytorch->onnx->ncnn->android一,环境部署代码来自:https://github.com/ultralytics/yolov5在训练完yolov5模型后,在yolov5主目录下打开终端,输入:pip3 install onnx>=1.7.0 # for ONNX exportpip3 install coremltools==4.0 # for CoreML export二,py原创 2020-10-29 15:10:30 · 7634 阅读 · 7 评论 -
树莓派部署yolo fastest ncnn记录
树莓派部署ncnn记录一、编译ncnn1.ncnn环境配置sudo apt-get install -y gfortransudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-devsudo apt-原创 2021-04-22 15:41:47 · 5303 阅读 · 30 评论