幸运的的飞起-CSDN博客

原创 Albumentations数据增强（yolov8）

前提要安装这个库，python>=3.8。中的各种方法，P表示概率，可以进行修改。可以看到 T = [

2024-04-17 16:26:32 1125 1

原创 yolov8训练自己的数据集（Autodl)

4.将下载好的预训练权重‘yolov8x.pt'放入’weights'进入autodl中，开机后点击‘jupyterlab’,点击‘终端’训练完后，结果保存在‘ultralytics/runs’中。3..安装yolov8需要的依赖。

2024-04-09 15:52:14 734

原创制作自己的目标检测数据集

1.收集数据（图片和视频）2.处理视频进行解码：将视频的每一帧按照自己要求进行解码保存。3.对于解码后的视频或者搜集的图片使用yolo进行自动标注。4.使用yolo进行自动标注后总会出现漏标的情况，接下来对所有的标注图片检查，对漏标的目标进行手工标注。

2024-04-08 12:08:34 355 1

原创安装GPU版pytorch(whl文件）

3.下载完后依次pip install torch、torchvision、torchaudio：pip install 文件路径。这种安装方式在conda环境中因为各种原因，安装速度过于慢，所以采用安装whl文件的方式。torchvision、torchaudio安装如上。

2024-02-21 10:07:37 750

原创可视化标注的目标检测框（gt box）

(1860：帧，25：ID，（676，355，41，133）：检测框的位置信息）准备工作：创建代码、获取检测框标注文本、获取每一帧解码的图片。

2024-01-22 17:41:57 611

原创安装miniconda(linux,xshell)

4.安装命令：bash Miniconda3-latest-Linux-x86_64.sh。执行完命令后，一直'Enter',然后输入'yes'5.激活base：source ~/.bashrc。7.最后就能利用conda，来管理创建环境了。6.验证：conda list。

2024-01-19 10:13:41 551

Yolov5主要分为五种网络模型（YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x):针对于640*640：针对于1280*1280：Yolov5有n,m,s,l,x五种结构，主要是网络层次结构的深浅，x的网络层次和通道数最多。yolov5系列不同的版本之间主要的框架结构都是相同的，只是根据不同的需要，在细节部分有所不同，比如使用的激活函数不同，或者是更换了不一样的边框回归损失函数等操作。

2023-11-17 19:34:35 865 1

原创 ReID讲解

通过最小化网络的度量损失，可以寻找一个最优的映射函数，使得相同行人的两张图片的距离尽可能小，不同行人的两张图片的距离尽可能大。通过最小化正例之间的距离同时最大化负例之间的距离，模型可以学习到一个好的特征表示，使得相似的行人之间的距离更近，而不相似的行人之间的距离更远。其中，d(a,p)表示锚点（anchor）和正样本（positive）之间的距离，d(a,n)表示锚点和负样本（negative）之间的距离，margin是一个预设的阈值，用于控制正样本对和负样本对之间的距离。、跨场景中的行人检索。

2023-11-09 20:20:04 1532 1

原创 Resnet原理讲解

由于以往的网络模型都是层层叠加，网络的层次太深，导致了浅层的参数不敏感，从而出现了网络退化、梯度消失等问题。都是因为反向传播中的链式法则都是相乘，在求梯度时，都在（01）之间，层层缩小，就会出现梯度消失，反之，梯度大于1，就是梯度爆炸。于是出现了Resnet网络，该网络模型中的核心结构（残差结构）解决了网络退化的问题，即在求梯度时，对x求导时出现了加法。

2023-11-07 21:19:48 171 1

原创多目标跟踪算法原理（Sort&DeepSort&ByteTrack)

多目标跟踪目前主要应用于视频监控、自动驾驶、无人机监测等方面，实现人流量和车流量的统计、行人的轨迹预测等功能。对于跟踪，算法并不知道自己跟踪的目标内容是什么，它只负责跟踪。而想要知道具体的内容，就要通过重识别技术。

2023-11-03 15:59:30 4391 2

原创 Reid Strong Baseline 代码解析及训练测试

测试依然使用.sh命令，将Test-reranking-all_tricks-tri_center-feat_after_bn-cos-market.sh。该测试结果采用的 --config_file='configs/softmax_triplet_with_center.yml'改为：param_dict = torch.load(trained_path).state_dict()该测试结果采用的 --config_file='configs/softmax_triplet.yml'

2023-10-18 17:00:46 263 1