![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 89
王定邦
这个作者很懒,什么都没留下…
展开
-
Yolov8的多目标跟踪实现
2023年2月,Yolov5发展到yolov8,这世界变得真快哦。mikel-brostrom在github上不断更新多目标跟踪方法,deepsort升级到StrongSort,检测用yolov8,tracker除了StrongSort外,还有 ocsort和bytetrack,眼花缭乱。运行效果,明显比以前的deepsort好,即使用yolov8n,也比deepsort yolov5m强,说明strongsort比deepsort,yolov8比yolov5都有效果的提升。试验过程没有遇到问题。原创 2023-02-14 12:33:45 · 6944 阅读 · 23 评论 -
使用visDrone数据集训练yolov5检测器
yolov5目标检测具备一定的小目标检测能力,但由于参与训练的coco数据集缺少小目标素材,故检测小目标有局限。本文利用无人机采集的小目标数据集,对yolov5权重文件进行再训练,提高小目标检测能力。本文仅记录跑通训练的过程,得到一些启示,没有尝试训练整个数据集。使用visDrone无人机小目标数据集训练yolov5检测器比较上图用未训练的yolov5s.pt,下图用经过训练的best.pt权重。可以看出两种检测的区别,其中visDrone训练图片用了其中69张,epoch=100,简单训练已初见原创 2022-05-08 15:53:19 · 9258 阅读 · 28 评论 -
deepsort和MOT16指标评价
如何评价deepsort跟踪性能,常用的有MOT challenge提供的数据集,根据训练数据集的ground truth文件,对比deepsort跟踪窗口位置和跟踪ID,可以得到一系列评价指标。网上有很多有关MOT评价指标介绍和算法,近来找到一个纯采用python的算法代码,在此分享。github网站在此:https://github.com/JonathonLuiten/TrackEval克隆到本地git clone https://github.com/JonathonLuiten/TrackE原创 2022-04-13 15:20:53 · 16219 阅读 · 173 评论 -
新版Yolov5_DeepSort_Pytorch使用ZQPei行人模型的方法
由于号称Yolov5_DeepSort_Pytorch之github官网(mikel-brostrom)改版,加入了多种reid,原来ZQPei提供的针对行人跟踪的权重ckpt.t7不能直接使用。以下记录如何在新版中使用osnet reid模型,以及使用ZQPei ckpt.t7模型的方法。经验证,新版Yolov5_DeepSort_Pytorch,用osnet_x1_0, osnet_ain_x1_0均可运行,性能和ZQPei模型差不多,但速度慢。大约40ms:20ms/帧的差别。可能的原因,osn原创 2022-03-11 01:25:37 · 6339 阅读 · 4 评论 -
deepsort标注单个跟踪目标方法
deepsort可以跟踪图像中多个目标,某些应用下需要跟踪其中某个感兴趣的目标。此处对deepsort程序的变化是,用鼠标点击感兴趣目标,对此目标加特别标注,使其跟踪框加粗而明显,有助于单独提取感兴趣目标的坐标。本博文用于记录实现过程,便于以后再用到此功能时,方便查找。python函数太多,留点记录防止遗忘。希望CSDN长命百岁。deepsort中 track.py每帧处理图像过程:TTS = Target_designation(title='', img =[], target_xy = np.a原创 2022-03-08 14:23:02 · 6278 阅读 · 6 评论 -
yolov5目标框预测
yolov5目标检测模型中,对模型结构的描述较多,也容易理解。但对如何获得目标预测方面描述较少,或总感觉云山雾罩搞不清楚。最近查阅一些资料,并加上运行yolov5程序的感受,总结一下对目标特征参数的预测方法,记录如下。1 yolov5框架结构图x-1 yolov5模型框架图x-1借用江大白的图,做了少许修改,以适应本博文的描述,其细节请看江大佬的文章。此处说明,输入图像为1280x720,根据边长需被32整除,resize为1280x736,在以下的描述中,对应tensor的顺序,输入图像为736x原创 2021-11-06 15:58:56 · 29916 阅读 · 42 评论 -
deepsort训练车辆特征参数
deepsort用来跟踪被检测对象。网上常见的yolov5+deepsort,是pytorch版。此版本用ZQPei Github: https://github.com/ZQPei/deep_sort_pytorch#training-the-re-id-modelZQPei提供的ReID:deep模型文件ckpt.t7为行人特征,由market1501数据集训练获得。本文提供一种针对车辆特征的训练方法,训练数据集为veri-wild。1 deep ReID网络定义ReID personal Re-原创 2021-10-02 23:45:59 · 21227 阅读 · 197 评论 -
pytorch yolo5+Deepsort实现目标检测和跟踪
yolo是一种运行速度很快的目标检测AI模型,目前最新版本是yolo5,最大可处理1280像素的图像。当我们检测出图像中目标后,把视频分解成多幅图像并逐帧执行时,可看到目标跟踪框随目标移动,看上去很酷吧。但是,如果视频帧中有多个目标,如何知道一帧中的目标和上一帧是同一个对象?这就是目标跟踪的工作,应用多个检测来识别特定目标随时间的变化,实现目标跟踪。Deepsort是实现目标跟踪的算法,从sort(simple online and realtime tracking)演变而来,其使用卡尔曼滤波器预测所检原创 2021-05-13 21:08:23 · 47697 阅读 · 148 评论 -
MODNet 图片抠像
引用来源@article{MODNet,author = {Zhanghan Ke and Kaican Li and Yurou Zhou and Qiuhua Wu and Xiangyu Mao and Qiong Yan and Rynson W.H. Lau},title = {Is a Green Screen Really Necessary for Real-Time Portrait Matting?},journal={ArXiv},volume={abs/2011.11961原创 2021-03-06 21:25:15 · 4992 阅读 · 46 评论 -
AI实现移除视频复杂背景-Background-Matting(1)
来源:Github作者:senguptaumd链接:The World is Your Green Screen视频背景移除 background matting从一幅图像中分离前景和背景,俗称抠像。本文所用的视频背景移除方法,基于静止图像的抠像方法,将组成视频的单帧图像中抠出前景,再把这些单帧的前景组成视频,实现视频背景移除。本方法需要一幅完全的背景图像,作为抠前景的基准背景。先利用tensorflow的分割模型Deeplabv3,获得图像的粗略alpha遮照,然后对alpha遮照精细化,由此原创 2021-02-27 19:59:19 · 2183 阅读 · 8 评论 -
tensorflow object detection模型训练的几个要点
前段时间实践tensorflow目标检测模型再训练,过程见博文tf2目标检测-训练自己的模型总结目标检测模型再训练过程,有以下几点需注意:1 训练集和测试集训练图片每张只包含一个目标,因此可用小尺寸图片,且统一训练图片大小,有助于加快训练过程。测试图片则用大图片,包含多个需检测目标,同时包括应排除的目标,检验模型训练成果。2 模型处理窗口和输入图片resize问题每个再训练模型有处理窗口,例如ssd_resnet50_v1_fpn_640x640_coco17_tup-8,处理窗口是640x64原创 2020-12-02 10:29:48 · 592 阅读 · 0 评论 -
tf2 目标检测--训练自己的模型
网上关于利用tensorflow已训练模型构造自己的模型方法,多为tensorflow v1,本博文给出tensorflow v2的训练过程。此文利用tensorflow目标检测中已经过训练的模型,在自定义的数据集上进一步训练,所谓fine-tune过程,实现用户定义的目标检测模型。这里假定已经建立完成tensorflow目标检测环境,从github克隆了models到本地,并安装完成所需要的模块。此外,所建立的训练目录如下:训练的主目录model_training下自定义数据集放在dataset目原创 2020-11-20 20:43:20 · 2963 阅读 · 12 评论