计算机视觉(分类/检测/分割)
文章平均质量分 76
呆呆珝
(1) 加群交流:295248651
(2)可以兼职,欢迎打扰,白嫖绕道
展开
-
YOLOV4-车道线检测-车距离预测
具体细节也不想写,无脑用就行。原创 2024-03-19 15:10:40 · 1480 阅读 · 1 评论 -
Pytorch-RealSR超分模型
RealSR 是一种基于学习的单图像超分辨率(SISR)模型,专门针对真实世界的图像。它由腾讯 AI 实验室于 2020 年提出。RealSR 的核心创新是提出了一种新的退化模型,该模型能够更好地模拟真实世界的退化过程。该模型考虑了真实世界图像中存在的多种退化因素,包括模糊、噪声和色彩失真。RealSR 还提出了一种新的网络架构,该架构能够更好地学习真实世界的退化模型。该网络架构采用了一种递归结构,能够逐渐恢复高分辨率图像的细节。原创 2023-12-20 15:09:25 · 1555 阅读 · 0 评论 -
YOLOV8-DET转ONNX和RKNN
yolov8就不介绍了,详细的请见YOLOV8详细对比,本文章注重实际的使用,从拿到yolov8的pt检测模型,怎样转onnx和rknn的使用,配置好相应的环境,就可以开心的做yolov8的检测啦!!!原创 2023-09-26 14:32:24 · 2419 阅读 · 11 评论 -
ONNX模型结构的查看(Pytorch模型转onnx以及转torchscript模型)
1. 关于ONNX:不废话了,不了解的onnx的去知乎或者百度去查询(不要杠,杠就是你赢了)。2. 是不是还在烦恼模型的结构没有直观的感受,为什么别人对模型的理解这么深刻,讲道理,视觉上的感受一般比文字的感受更加深刻,所以神器在哪里?查看模型结构的神器在这里:Netronhttps://netron.app/ 主界面如下,比较简单的界面,但是功能很强大 如果担心模型被拷贝或者泄露,可以下载离线的版本(速度不行的话,请使用科学上网)GitHub - lutzroeder/...原创 2022-03-15 21:49:08 · 11008 阅读 · 1 评论 -
经典CNN网络:MobileNet V1
前言 关于深度学习中的CNN网络结构,前期能够解决问题是第一步,随着计算机技术的发展,移动设备和嵌入式设备随处可见,让移动设备也使用深度学习中的CNN网络结构自然成为一个关注点,由于CNN网络结构的参数多,模型比较大,训练的模型几乎都是几百M的,很难在移动设备运行,所以为了使CNN的网络结构在cpu也能达到理想的速度,轻量化的CNN模型应运而生。 关于轻量化的CNN模型的设计思路有两种:对训练好的浮点模型积进行模型的压缩得到小的模型(通常说的模型量化) 直接设计小...原创 2021-07-01 12:53:08 · 361 阅读 · 0 评论 -
目标检测:R-CNN系列
前言之前已经介绍过分类算法了,输入一张图片,通过卷积-池化-全连接基本模块,可以对图片进行区分。但实际的生活中,并不是对一张图片进行分类就够了,或者说分类已经无法满洲原创 2021-06-21 10:38:17 · 256 阅读 · 0 评论 -
经典CNN网络:DenseNet
前言 DenseNet和ResNet的思路类似,目的都是减轻梯度消失等深度学习中常见的一些问题。论文中写出DenseNet采用的是密集连接的方式,初次看还不太能理解,但是又感觉有点熟悉(突然想到了RNN中的LSTM结构),我认为密集连接通俗一点讲,就是联系上下文(英语考试中遇到不认识的单词,可以联系上下文进行猜测,应该是类似的)。...原创 2021-06-16 15:40:30 · 1463 阅读 · 1 评论 -
经典CNN网络:GoogleNet
GoogleNet的基本Inception单元结构主要思想是利用不同大小的卷积核实现不同尺度的感知,网络结构如下图所示原创 2021-06-16 12:15:07 · 335 阅读 · 0 评论 -
经典CNN网络:LeNet和AlexNet网络
前言经典的cnn模型,用于手写数字识别的lenet5,现在看起来,结构是比较简单的,但是奠定了之后,在卷积神经网络中相当长时间的(卷积+池化+全连接)的思路。Lenet5网络结构现在看一下网络架构吧。输入是32*32*1,包括了3层卷积,2层池化,2层全连接层...原创 2021-06-16 11:11:14 · 348 阅读 · 0 评论 -
经典CNN网络:Resnet18网络结构输入和输出
前言 每当看到一个新的网络,总会思考,这个网络提出来有什么意义,解决了什么问题?Resnet18的提出,解决原创 2021-06-15 17:37:00 · 83984 阅读 · 6 评论 -
基于VGG网络的SSD算法
前言关于目标检测算法,可以分成两类,目标检测目前有 one-stage 和 two-stage 两种,two-stage 指的是检测算法需要分两步完成,首先需要获取候选区域,然后进行分类,比如R-CNN系列;与之相对的是 one-stage 检测,可以理解为一步到位,不需要单独寻找候选区域,典型的有SSD/YOLO。作者:HRain链接:https://www.jianshu.com/p/468e08f739bd来源:简书著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处原创 2021-06-09 12:18:46 · 2218 阅读 · 0 评论 -
经典CNN网络:VGG16-输入和输出
VGG16什么是VGG16?为什么是16?VGG16网络结构看不懂啊!!!(1)VGG是Oxford的Visual Geometry Group的组提出的(大家应该能看出VGG名字的由来了)。该网络是在ILSVRC 2014上的相关工作,主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能。VGG有两种结构,分别是VGG16和VGG19,两者并没有本质上的区别,只是网络深度不一样。...原创 2021-06-07 14:04:03 · 8832 阅读 · 2 评论 -
基础概念:图片的卷积和池化操作
基础一:图片的卷积和池化操作计算机视觉(分类/检测/分割)的基本操作图片的格式卷积和池化计算机视觉(分类/检测/分割)的基本操作在计算机视觉的深度学习中,我们最常用的就是CNN网络,翻译过来就是卷积神经网络,所以卷积操作就是最基本的操作。那我们就开始看看这个神奇的卷积操作是怎样的(我开始学习的时候根本就不清楚为什么要卷积,没有一个直观的概念)。图片的格式(1)在构建好深度学习网络后,我们要将数据读取进去进行训练(本人认为数据预处理阶段相较于网络的构建更加花费时间,后续有时间再说),(2)平时的图原创 2021-06-04 17:22:37 · 6175 阅读 · 2 评论