- 博客(18)
- 收藏
- 关注
RSS订阅原创 电梯轿厢场景下的电动车数据集
共有两万多张图片，其中电梯轿厢内电动车有7000张，室外场景电动车有13000+张（提高模型的泛化能力，防止训练过程中由于单一的电梯场景导致的过拟合）。以上图片均一一手工标注，标签格式为VOC格式。图片均为高清，高标准的标注框，可以直接训练。本数据集用于电梯禁入电动车项目的。
2023-05-05 15:42:10
779
6
原创 widerperson数据集转voc
1.首先把widerperson解压并放在我的目标检测项目文件夹中2.原始的Widerperson是没有trainval.txt的，这里是我把train.txt和val.txt合在了一起，方面运行代码一次生成xml文件，注意000040.jpg.txt和相对应的图片都要删掉，因为是乱码，影响生成xml文件。3.运行转换voc代码import osimport numpy as npimport scipy.io as sioimport shutilfrom lxml.etree
2022-04-07 23:25:08
4687
15
原创 yolo---cfg参数解释
原文：yolo---参数解释之cfg文件参数 - WP的烂笔头 - 博客园**********************cfg文件，总体上，重点参数说明**********************batch: 每一次迭代送到网络的图片数量，也叫批数量。增大这个可以让网络在较少的迭代次数内完成一个epoch。在固定最大迭代次数的前提下，增加batch会延长训练时间，但会更好的寻找到梯度下降的方向。如果你显存够大，可以适当增大这个值来提高内存利用率。这个值是需要大家不断尝试选取的，过小的话会让训练..
2021-09-16 16:27:09
5844
1
原创 yolov4-tiny和yolov5s部署在jetson nano上的速度对比
最近的一段时间我学习了将yolov4-tiny和yolov5s部署到jetson nano上，并进行了tensorrt转换和deepstream部署yolov5s源码(USB摄像头) 9FPSyolov5s+tensorrt（USB摄像头） 13FPSyolov5s+tensorrt+deepstream（CSI摄像头） 14FPSyolov4-tiny（USB摄像...
2021-09-15 00:01:33
3278
12
原创 yolov4-tiny使用jetson nano进行目标检测+tensorrt+CSI+USB摄像头检测
一、下载源码git clone https://github.com/AlexeyAB/darknet.git二、编辑Makefilecd darknetsudo vim Makefile 三、编译在darknet路径下输入make -j4编译成功，输入./darknet有如下输出四、将我们在windows下训练好的权重以及改好的文件复制到板子上的darknet文件夹相应位置复制的文件有四个个分别是：1.我们训练好的权重文件..
2021-09-10 18:24:02
6952
4
原创 yolov5s模型转tensorrt+deepstream检测+CSI和USB摄像头检测
前言把自己训练好的yolov5s.pt转为tensorrt模型是为了实现推理加速，过程也非常简单，不过有一点就是网上的教程很多但是yolov5的代码版本也有很多，所以导致很多操作有一些不同，所以建议直接去大佬的开源看他的readme，下面我就来说一下我yolov5-5.0的转换过程以下步骤都是在jetson nano上进行一、安装pycudasudo pip3 install pycuda这里我直接安装出现了错误安装不上，于是我们只能进行自己编译安装安装前先配置环
2021-09-03 13:28:26
14856
32
原创 yolov4-tiny训练自己的数据集
一、训练环境Windows10下编译好的darknet（具体编译可以看），源码地址：https://github.com/AlexeyAB/darknet二、制作自己的数据集
2021-09-01 17:10:35
5479
5
原创 jetson nano VNC远程桌面配置
1、安装vinosudo apt updatesudo apt install vino2.设Enable VNC服务 （此时手动可打开vnc server）sudo ln -s ../vino-server.service /usr/lib/systemd/user/graphical-session.target.wants配置VNC server:gsettings set org.gnome.Vino prompt-enabled falsegsetting...
2021-08-31 18:46:21
1141
2
原创 jetson nano 部署yolov5s（从配置环境到推理）
前言前几天完成了在树莓派上部署yolov5s，但是效果实在不好，大概0.3的fps，在老师的支持下又买了一块jetson nano的板子，开始折腾。以下是拿到板子装过系统，从更换源到实现yolov5部署的一个完整过程。参考https://blog.csdn.net/IamYZD/article/details/119618950https://blog.csdn.net/u012254599/article/details/99291834https://blog.csdn.net/
2021-08-31 17:05:42
6289
7
原创 在windows10用Cmake编译darknet-yolov4，配置环境的辛酸
1.首先说一下我的环境win10+vs2019+cuda10.2+cmake3.18.2+OpenCV4.5.3一定要注意！！！先下载vs2019，再安装cuda，不然会显示cuda no foundcmake一定不要下载最新的，我之前下载的最新的就一直报错：然后我把cmake卸载了换成3.18.2版本成功编译2.再系统变量中写入下面几个cuda的路径下载好cuda进行下面操作框中的是下载成功cuda自动生成的其他的五个是我们要添加的接下载有的博主要在pat.
2021-08-29 14:54:59
3178
5
原创 将Yolov5s部署树莓派4B上自己的过程和遇到的问题
s s s s本人小白一枚，由于悟性很低，历经两天时间终于将yolov5s部署到了树莓派上一、更换源拿到树莓派，装好系统（自己可以看一看装系统的视频很简单），要将树莓派自带的源更换为国内源，可能是学校的网的原因也不知道什么原因，更换好清华源之后，输入sudoapt-getupdatesudoapt-getupgrade就会出现暂时不能解析域名的错误，很头疼，这也是我遇到的第一个大坑具体的更换源步骤和解决上面这个问题的方法在这篇文章里lhttps://blog.c...
2021-08-24 18:15:09
5857
8
原创 树莓派上更换源和换源遇到的错误
1.先备份本来的源sudo cp /etc/apt/sources.list /etc/apt/sources.list.baksudo cp /etc/apt/sources.list.d/raspi.list /etc/apt/sources.list.d/raspi.list.bak2、修改软件更新源配置文件，输入如下指令sudo nano /etc/apt/sources.list3.注释掉原来的源，把打开的文件里面的都注释了就行，然后输入新的源deb http://
2021-08-23 19:37:55
5283
2
原创 YOLOV5调用摄像头出错
①cv2.error: Unknown C++ exception from OpenCV code.②这两个错误导致摄像头输出是这样的解决方法：找到datasets将上面框四行注释，下面框更改即可改完之后信息detect还会报错如下导致调用出来的摄像头好像一张图片没办法动：错误原因：分母fps不能为0解决办法：加if判断 为0就跳过不计算添加红框内if指令，将上面的注释 即可...
2021-08-23 16:56:24
6047
1
转载 （笔记）yolov5-5中train.py一些简单注释
train.py里面加了很多额外的功能，使得整体看起来比较复杂，其实核心部分主要就是读取数据集，加载模型，训练中损失的计算。这里简单的将train.py按每部分的功能进行了一些注释。import argparseimport loggingimport mathimport osimport randomimport timefrom copy import deepcopyfrom pathlib import Pathfrom threading import Th
2021-08-18 23:58:16
8044
转载 （笔记）yolov5自适应anchors
训练一开始会先计算Best Possible Recall (BPR),当BPR < 0.98时，再在kmean_anchors函数中进行k 均值和遗传学习算法更新anchors。情况一：在进行yolov5训练的时候，会输出：Analyzing anchors... Best Possible Recall (BPR) = 0.8838. Attempting to generate improved anchors, please wait...WARNING: Extremely .
2021-08-18 23:10:47
5579
5
转载 （笔记）yolov5 可视化训练结果以及result.txt解析
1|0✨yolov5训练结果生成yolov5每次train完成（如果没有中途退出）都会在run目录下生成expX目录（X代表生成结果次数 第一次训练完成生成exp0 第二次生成exp1......以此类推）expX目录下会保存训练生成weights以及result.txt（其中weights是训练生成权重，可用于detect）并以可视化的方式展示训练结果 -> result.png2|0✨可视化训练结果解析 GIoU：推测为GIoU损失函数均值，越小方框越..
2021-08-18 17:09:41
20975
12
原创 （笔记）yolov5训练自己数据集
一、环境代码版本：yolov5-5Pytorch：1.9.0Cuda：10.2Python：3.8通过pip install -r requirements.txt安装依赖包。二、准备自己的数据集（VOC）第一步创建Mydata文件夹，里面要包含三个文件夹，Annotations里面放我们的标签文件xml，images里面放标签文件所对应的图片，ImageSets文件夹下面有个Main子文件夹，其下面存放训练集、验证集、测试集的划分，通过脚本生成，可以在根目录下创建.
2021-08-17 19:06:31
987
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人