项目
文章平均质量分 80
小屋*
这个作者很懒,什么都没留下…
展开
-
demo:flask进行模型部署 | ros接收点云流 | Web接收三路视频流及局部刷新——>显示效果展示
本文展示最近完成的一个项目的一个小demo。后端用flask进行搭建并部署深度学习模型。创建三个路由接收三路实时的视频流,第四个窗口利用ros3djs创建三维视窗,按照topic接收实时发布的点云流。具体的可参考:Web接收实时视频流并显示(flask创建路由接收)| 解决延时不同步问题利用ros3djs接收pointcloud2在web端显示效果展示: web端显示三路视频流+点云流 | flask部署模型.原创 2021-09-27 20:48:20 · 1055 阅读 · 3 评论 -
天池算法赛——广东电网智慧现场作业挑战赛 赛道三:识别高空作业及安全带佩戴
记录下第一次正式参加线上算法比赛的解题流程。虽然错过了B榜时间,但收获匪浅!目录项目介绍数据处理标签数据提取标签数据集制作模型训练数据整合可视化显示继续改进思路数据增强赛道一二数据提取最终结果项目介绍大赛链接:广东电网智慧现场作业挑战赛 赛道三:识别高空作业及安全带佩戴。原创 2021-07-19 04:11:44 · 6011 阅读 · 22 评论 -
yolo模型部署——tensorRT模型加速+triton服务器模型部署
将最近的工作做个记录,方便日后学习回顾:1.针对项目需求开发满足任务的模型,拿到任务就要去选相应的算法,由于是工程应用型,必须找填坑多的算法,这样遇到问题可参考的资料多。2.做好以后,还要将开发的算法进行封装集成,要交付的是一个相对成熟的产品,所以涉及到算法和模型的部署,而不是每个应用场景都需要像开发环境一样去构建开发环境。3.在本次模型的部署中遇到了各种各样的问题,有些细小问题无法全面记录,本次只按开发流程记录必要步骤。4.主要涉及环境配置、模型训练、模型编译、模型部署、产品测试。5.包含te.原创 2021-07-19 02:42:25 · 8635 阅读 · 16 评论 -
yolov4-deepsort目标跟踪、ROI计数、绘制轨迹
项目环境部署参看我的另一篇博客《windows下yolov4-deepsort项目tensorflowGPU版本配置+项目实战》linux下部署直接参考源码github效果展示:目录1 介绍2 object_tracker.py解读与重写1 介绍今天整理了下之前做的一些工作,在原有yolov4-deepsort功能上增加了一些别的小功能。增加功能如下:绘制ROI区域,并记录roi内目标数量目标进入roi区域显示‘enter’打印各类目标跟踪数绘制目标运动轨迹其余类似任务功能做法原理类似原创 2021-04-15 15:11:02 · 6317 阅读 · 15 评论 -
天池学习赛——街景字符编码识别(得分上0.93)
目录1 比赛介绍2 解题思路3 数据集制作4 模型训练5 更改detect.py文件5 结果检测5 上传文件1 比赛介绍项目链接:零基础入门CV - 街景字符编码识别一、赛题数据赛题来源自Google街景图像中的门牌号数据集(The Street View House Numbers Dataset, SVHN),并根据一定方式采样得到比赛数据集。数据集报名后可见并可下载,该数据来自真实场景的门牌号。训练集数据包括3W张照片,验证集数据包括1W张照片,每张照片包括颜色图像和对应的编码类别和具体位置原创 2021-04-05 16:33:20 · 6433 阅读 · 11 评论