- 博客(83)
- 收藏
- 关注
RSS订阅原创 关于yolov8-class Pose(Detect)
这里 y 是一个多维数组（在这种情况下很可能是一个二维数组，代表批量的关键点预测），: 表示选择所有行，2::3 的意思是从索引 2 开始，每隔 3 个元素选取一个。（1）执行的是对关键点解码过程中的一个特定步骤，特别针对预测关键点的第三个维度（如果存在）进行 sigmoid 激活函数的操作。（3）y[:, :, :2] 是网络对于每个锚点位置的偏移预测，通过乘以 2.0 将这个预测偏移放缩至预期的大小范围（因为网络输出通常是限制在 [0, 1] 之间的），使得这个偏移能够表示出更远的距离。
2024-04-24 17:09:52
261
原创 NVIDIA TensorRT的上下文中打印模型的结构
这两个函数是用C++语言编写的，并且用于NVIDIA TensorRT的上下文中。TensorRT是一个用于高性能深度学习推断的库。这两个函数都是关于打印网络层和张量的维度信息的调试辅助函数，它们可以帮助开发者理解模型的结构。
2024-04-23 11:21:52
172
原创 使用官方代码打印yolov8 PyTorch模型结构
在进行深度学习模型的开发时，一个清晰的模型结构有助于理解网络是如何从输入数据中提取特征，并执行分类或回归任务的。对于如YOLOv8这样的复杂模型来说，理解每个层的作用和相互间的连结尤为重要。
2024-04-23 10:42:42
378
原创 关于YOLO模型架构中的strides
在Ultralytics YOLO模型架构中，m.stride是一个非常关键的属性，用于描述网络在不同尺度（scale）上的空间压缩程度。解释m.stride的原理之前，我们首先要了解深度学习中卷积神经网络（CNN）的基本工作原理。
2024-04-22 16:52:43
375
原创 利用Python进行图像和XML标注数据的批量处理
在机器学习项目中，特别是涉及到图像识别和分类的领域，经常需要对大量数据进行预处理。这些数据预处理可能包括图像转换、格式化标签、数据集划分等。本文将介绍一个基于Python的脚本，该脚本能够自动化这些常见任务，并且还支持多进程处理以加速这些操作。
2024-04-12 10:40:46
522
原创 关于yolov8x6.yaml的一些理解
这意味着对于每个位置（像素）在这个特征图上，模型需要预测80个类的得分加上额外的一个边界框坐标regression，每个坐标包含4个值（通常是中心x，中心y，宽度和高度），这里有16个这样的边界框。（17）第28层：Concat模块，与经过卷积的27和第11层连接，27层（768x10x10） + 第11层（Layer conv11: type=Conv, out_channels=1024, size=10x10）= 2560x10x10。（4）第15层：upsample，第14层作为输入。
2024-03-30 17:30:19
883
原创 关于tensorrt里面的wts校验
显而易见 name: model.0.conv.weight dtype: 1 dim: [16, 3, 3, 3]，它的内积就是Weight name: model.0.conv.weight, Count: 432, Type: FLOAT。
2024-03-11 13:40:08
357
原创 关于tensorrtx里面的convBnSiLU以及相关应用解析
（2）std::map<std::string, nvinfer1::Weights> weightMap：这是一个映射，以字符串键（通常是层的名称）存储一个权重结构（nvinfer1::Weights），包括权重数据和数据类型等。由于这是卷积层 conv0，假设该层设置的输出通道数是16，那么完整的输出特征图的维度就是 [16, 112, 112]。（7）int p：表示卷积层的填充（padding），用来在输入数据的边缘上添加额外的层，以保持尺寸或只进行边缘的减少。
2024-03-11 11:44:50
741
原创 关于opecv的gpu版本的源码编译安装
这样，系统中不会残留无用的包，整个系统更为干净。因为在cmake时，选择了自动生成OpenCV的pkgconfig文件，在/usr/local/lib/pkgconfig路径可以看到文件。-j8表示使用多个系统内核进行编译，从而提高编译速度，不清楚自己系统内核数的，可以使用make -j$(nproc)如果编译时报错，可以尝试不使用多个内核编译，虽然需要更长的编译时间，但是可以避免一些奇怪的报错。是一个新建的空文件，直接添加路径，同理这个路径是cmake编译时填的动态库安装路径加上/lib。
2024-03-09 08:50:48
342
原创 关于yolov8的DFL模块(pytorch以及tensorrt)
11、return self.conv(x.view(b, 4, self.c1, a).transpose(2, 1).softmax(1)).view(b, 4, a)：这是前向传播的关键操作。x.view(b, 4, self.c1, a) 的意思是将 x 的形状由 (b, c, a) 改变为 (b, 4, self.c1, a)。6、self.conv.weight.data[:] = nn.Parameter(x.view(1, c1, 1, 1))：初始化卷积层的权重。
2024-03-07 10:45:17
2052
原创 关于yolov8的一些模块
对于yolov8的c2f模块，就是上一层的输出被split成了两部分，一部分不动，另一部分经过conbnsilu提取特征在拼回去，结构图如下：onnx的netron图如下：(1)c2f(2)bottleneck对于yolov8的SPPF模块，就是上一层的输出进行convbnsilu卷积提取特征后，一部分拿去做池化，将不同层的池化特征与另一部分经过conbnsilu提取特征在拼回去，最后再进行特征提取，结构图如下：
2024-02-06 14:48:45
1419
3
原创 香橙派--编译MNN报错，关于汇编的嵌套展开
类似地，第一个 FMIN 函数 FMIN v10, v15, v16, v17, v18 计算向量 v15, v16, v17, v18 中的最小值，并将结果存储在 v10 向量中。其中，FMAX 和 FMIN 函数分别用来计算一组向量中的最大值和最小值，并将结果存储在新的向量中。这段代码中使用了多个 FMAX 和 FMIN 函数，它们分别计算一组向量 v15 到 v30 中的最大值和最小值，并将结果存储在两个不同的向量（v9 和 v10）中。
2024-01-13 10:13:30
594
原创 Ubuntu 22.04 安装 xserver-xorg-core-hwe-18.04 和 xserver-xorg-video-dummy-hwe-18.04
【代码】Ubuntu 22.04 安装 xserver-xorg-core-hwe-18.04 和 xserver-xorg-video-dummy-hwe-18.04。
2024-01-03 09:02:30
896
原创 香橙派--关于jammy-xfce-arm64.f12a43b3e629442a073a7236bf9166ce.tar.lz4的rootfs定制与镜像制作
香橙派--关于jammy-xfce-arm64.f12a43b3e629442a073a7236bf9166ce.tar.lz4的rootfs定制与镜像制作
2024-01-02 14:06:09
1393
原创 香橙派--关于jammy-gnome-arm64.e9d0e792c112dbb637bca901a75061e3.tar.lz4的根目录文件系统挂载，预装opencv
解压缩 jammy-gnome-arm64.e9d0e792c112dbb637bca901a75061e3.tar.lz4 文件，并将其挂载到一个目录中。安装 OpenCV 和其他所需的软件包。
2023-12-25 15:50:59
379
原创 八公山豆腐发展现状与销售对策研究
八公山豆腐作为中国传统特色食品之一，一直以来备受人们的喜爱。然而，在现代社会中，由于消费者对于营养健康的追求以及市场竞争的加剧，八公山豆腐的市场份额逐渐缩小。因此，为了更好地推广和发展八公山豆腐，有必要对其发展现状进行分析，并提出相应的销售对策。
2023-09-18 18:01:07
184
原创 关于yolov8的8.0.176的训练代码报错（Resume checkpoint not found. Please pass a valid checkpoint to resume from）
args = dict(model=‘yolov8n.pt’, data=‘coco8.yaml’, epochs=3)是训练需要复写的内容，如果不写，就默认走defaults.yaml。这里增加了判断，overrides默认是None，如果训练不传递参数，那么就会进入这个判断的else，如果传了就会更新对应的’imgsz’, 'batch’这两个值。至于default.yaml只需要将resume 设置为1或者0即可。
2023-09-18 16:04:30
682
原创 Jetson Nano开机自动进入桌面环境设置，不需要每次输入sudo init 5
如果在 Jetson Nano 上找不到 /etc/default/grub 文件，则说明 Jetson Nano 使用的是 NVIDIA 发布的 JetPack 软件包，并且该软件包使用的是 L4T（Linux for Tegra）操作系统。例如，如果要使用图形化界面，可以将其更改为 graphical.target。注意：在更改系统的运行级别之前，应该对其进行仔细的评估，以确保它符合您的需求。现在，当重新启动 Jetson Nano 时，它将自动切换到指定的运行级别。
2023-07-31 16:11:41
396
原创 关于rk3588s使用facenet-pytorch-main进行onnx的转换以及RKNN生成操作
关于rk3588s使用facenet-pytorch-main进行onnx的转换以及RKNN生成操作
2023-03-22 17:34:13
2194
8
原创 关于yolov7的遗传算法进化训练
据网上消息YOLOv7相同体量下比YOLOv5精度更高，速度快120%(FPS)，比YOLOX快180%(FPS)，比Dual-Swin-T快1200%(FPS)，比ConvNext快550%(FPS)，比SWIN-L快500%(FPS)。最近yolov7刚出来，打算试一波，测测速度以及精度，经过对部分代码的研读，发现大部分还是延续了yolov5的风格，加之yolov6的部分内容以及一些才开源的sota的算法。所有的训练方式以及测试方式和配置文件大体都跟yolov5类似。修改完之后就可以进行遗传进化了。..
2022-07-16 16:15:19
1493
7
原创 cuda11.1_torch1.8_python3_crnn训练小记
1、制作lmdb数据集由于数据集制作不涉及核心，我就直接引用了python2的代码，当然有时间的同学们也可以自己改成python3的。先上环境，我使用anaconda新建了一个py27的环境（注意：opencv最后一次对python2的维护止于python2.7！！！）这是我的pip list：Package Version ------------- -------------------certifi 2020.6.20 lm
2022-05-26 17:59:16
1025
原创 配置snpe-1.60.0_3313的使用环境--onnx转dlc
1、snpe下载访问 Qualcomm 网站:(注册、登录 Qualcomm 账号)https://developer.qualcomm.com/software/qualcomm-neural-processing-sdk在 ‘Neural Processing SDK for AI -> Tools & Resources’ ⻚面，选择 Qualcomm Neural Processing SDK 下载到本地,并解压文件。2、snpe安装与配置将压缩包解压到home目录下，重命
2022-03-25 13:21:30
2623
1
原创 基于snpe-1.60.0_3313在骁龙865的开发板上测试yolov5（6.1）
1、下载yolov5（6.1）版本的代码以及模型（以下以yolov5n进行文档编写）https://github.com/ultralytics/yolov5/releases根据requirements.txt配置环境，配置完成后，调用export.py将L、M、N、S、X分别导出onnx模型，脚本具体配置如下：def parse_opt(): parser = argparse.ArgumentParser() parser.add_argument('--data', type
2022-03-25 11:49:19
3997
1
原创 shufflenet v2的block的pytorch实现代码
shufflenet v2的block的pytorch实现代码def channel_shuffle(x, groups): # type: (torch.Tensor, int) -> torch.Tensor batchsize, num_channels, height, width = x.data.size() channels_per_group = num_channels // groups # reshape x = x.view(batc
2022-02-10 16:36:25
1277
原创 lmageNet 数据集简介
ImageNet数据集是一个计算机视觉数据集，是由斯坦福大学的李飞飞教授带领创建。该数据集包合 14,197,122张图片和21,841个Synset索引。 Synset是WordNet层次结构中的一个节点，它又是 一组同义词集合。 ImageNet数据集一直是评估图像分类算法性能的基准。ImageNet 数据集是为了促进计算机图像识别技术的发展而设立的一个大型图像数据集。2016 ImageNet 数据集中已经超过干万张图片，每一张图片都被手工标定好类别。ImageNet 数据集中的图片涵盖了大部分生活
2021-12-25 10:25:27
6450
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人