【记录】Yolov5模型修改input 的img size

最新推荐文章于 2024-08-27 18:04:10 发布
最新推荐文章于 2024-08-27 18:04:10 发布
阅读量57 收藏
点赞数 1
文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44656422/article/details/141391591
版权

用yolov5自带的export.py，原来的是pt模型，input image size自带是640*640

运行

python export.py --weights "C:\Users\PycharmPro
jects\py38\yolov5\models\0820.pt" --imgsz 224 --include onnx

就会生成 input image size是224的onnx模型

苏坡爱豆的笑容都没你的甜
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Yolov5模型压缩-slim network
weixin_43864650的博客
09-20 217
Yolov5模型压缩方法slim network
OPENCV调用DNN进行YOLOV5模型的推理部署
weixin_44119674的博客
05-11 432
C# 使用OPENCV调用DNN进行YOLOV5模型的推理部署
YOLOV5模型转onnx并推理
热门推荐
qq128252的博客
09-29 2万+
由于yolov5的模型和整个项目相互关联，所以转onnx无法用常规方法，只能用内部的转onnx方法。3.计算该框与其它框的IOU，去除掉重复的框，即IOU值大的框。1.删除置信度小于conf_thres的BOX。batch、width、height为动态的。2.通过argmax获取置信度最大的类别。4.IOU小于thresh的框保留下来。将中心点坐标转换为左上角右下角坐标。2.计算相交面积（相交、不相交）3.分别对每个类别进行过滤。
OpenVINO Python API 推理YOLOv5模型实现方法
lujx_1024的博客
08-12 3603
本文档主要描述`python`平台，使用`openvino`模块推理`YOLOv5`导出`IR`模型的方法。 文档主要包含以下内容： - `openvino`模块的安装 - 模型格式的说明 - openvino的基础API接口，包括`初始化`，`模型加载`，`模型参数获取`，`模型推理`等 - 图片数据的预处理 - 推理结果后处理，包括`NMS`,`cxcywh`坐标转换为`xyxy`坐标等 - 关键方法的调用与参数说明 - 完整的示例代码
【yolov5】pytorch模型导出为onnx模型
振华OPPO的博客世界
10-21 1万+
博主想拿官网的yolov5训练好pt模型，然后转换成rknn模型，然后在瑞芯微开发板上调用模型检测。1、首先部署好yolov5的环境，保证可以运行detect.py进行检测，将自己训练好的pt模型放到weights目录下，我这里命名是best.pt。3、输入下面命令导出模型（后面的weights、img和batch参数可以不加，设置下默认参数即可）自带的预训练模型是预测80类CoCo数据集的yolov5s改进结构，下面就带大家一起转换模型！可以看到转换后的结构比较乱，有些结点其实可以跳过，减小模型。
YoloV5模型的简单使用
qq_33934427的博客
06-13 6055
Yolov5模型的简单使用
基于python的tensorrt int8 量化yolov5 onnx模型实现
03-26
本教程将详细介绍如何使用Python和TensorRT对YOLOv5 ONNX模型进行INT8量化，以提升其在实际应用中的性能。 首先，我们需要了解YOLOv5和ONNX。YOLOv5是一种流行的实时目标检测模型，基于Yolo（You Only Look Once）...
树莓派部署YOLOv5模型
qq_42264030的博客
04-10 3414
树莓派部署YOLOv5模型进行图片和视频检测
c++读取yolov5模型进行目标检测（读取摄像头实时监测）
qq_65356682的博客
03-27 5429
本文是篇基于yolov5模型的一个工程，主要是利用c++将yolov5模型进行调用并测试，从而实现目标检测任务 任务过程中主要重点有两个，第一 版本问题，第二配置问题。有的可能需要cmake反正我没用 链接：https://pan.baidu.com/s/1-eLo7ecgQg94Mjtw-pQcXw。opencv==3.4.1 链接：https://pan.baidu.com/s/1XPWUNfS7PTFiDkHTG8yvcQ。在源文件中新建一个cpp文件，在头文件新建一个.h 头文件。
基于Yolov5的安全帽检测系统设计与开发(论文+源码)_kaic​
weixin_52720882的博客
08-21 464
摘 要 安全帽检测系统的设计意义在于提高工作场所的安全性和生产效率，通过安全帽检测系统可以实时监控工人是否佩戴安全帽，及时发现不佩戴安全帽的工人并进行提醒和警示，避免因为不佩戴安全帽导致意外事故的发生。因此，本文是一个利用Yolov5算法开发的安全帽检测系统。本论文使用了先进的目标检测算法，可以在视频流中快速准确地识别出佩戴安全帽和未佩戴安全帽的人员，并且能够通过拍摄的照片和发出提示信息进行分析，从功能分析、性能分析、系统流程分析等几个方面来进行总体设计，实现了基于Yolov5的安全帽检测系统的开发，主要
垃圾分类笔记YOLOV5（一）-pip换源-口罩识别-训练自己的数据集
sjsn_z的博客
08-24 168
YOLOV5-pip换源-口罩识别-训练自己的数据集
从零开始使用YOLOv8【Debug解析源码系列】——第一部分：YOLO模型加载流程解构+Detection模型网络层torch加载解析
qq_58718853的博客
08-27 410
本文详细拆解了ultralytics——yolov8加载检测模型的代码逻辑，为将自定义的模型接入ultralytics平台进行部署或训练铺路
yolo7 自定义数据训练
最新发布
hzh839900的专栏
08-27 65
数据定义文件train.txt val.txt。预定义标签 格式name label。数据集定义文件errimg.yaml。图片文件和标签文件放在一起。数据打标labelimg。
【YOLO系列】YOLO介绍
qq_51366016的博客
08-27 150
YOLO，全称为"You Only Look Once"，是一种流行的实时目标检测算法，由Joseph Redmon等人于2015年首次提出。YOLO的核心思想是将目标检测任务视为一个单一的回归问题，直接从图像像素到边界框坐标和类别概率的映射。
YOLOv8改进 | 融合改进 | C2f融合Faster模块提升检测速度【完整代码 + 主要代码解析】
kay_545
08-26 592
yolov8，yolov8改进，yolov8融合，c2f_Faster
YOLOv8改进 | 融合改进 | C2f融合EffectiveSE-Convolutional【完整代码 + 小白必备】
kay_545
08-23 646
yolov8，yolov8模块融合，C2f_ESBC
基于 YOLOv8n-pose 模型的图像特征提取，可用于识别特定的姿态
m0_53291740的博客
08-23 395
实现了一个基于模型的图像特征提取和相似性比较系统。它可以从图像中提取人体关键点信息，并将其保存为特征文件。然后，通过计算输入图像与数据库中图像特征的相似度，确定输入图像的类别。
opencv调用yolov5模型
05-17
要在OpenCV中使用YOLOv5模型，您需要进行以下步骤： 1. 下载并安装YOLOv5模型。您可以从https://github.com/ultralytics/yolov5下载YOLOv5模型。 2. 将模型转换为OpenCV可以使用的格式。您可以使用以下命令将YOLOv5模型转换为OpenCV可以使用的格式： ``` python models/export.py --weights yolov5s.pt --img 640 --batch 1 ``` 这将生成一个.onnx文件，这是OpenCV可以使用的格式。 3. 在OpenCV中加载模型。您可以使用以下代码加载模型： ``` cv::dnn::Net net = cv::dnn::readNetFromONNX("yolov5s.onnx"); ``` 4. 输入图像并运行模型。您可以使用以下代码运行模型： ``` cv::Mat frame = cv::imread("image.jpg"); cv::Mat blob = cv::dnn::blobFromImage(frame, 1/255.0, cv::Size(640, 640), cv::Scalar(0,0,0), true, false); net.setInput(blob); cv::Mat detections = net.forward(); ``` 这将返回检测结果，您可以在其中找到对象的位置和类别标签。 请注意，这只是一个简单的示例，您可能需要根据您的需求进行更改。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值