![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
从零开始之目标检测
文章平均质量分 88
以yolov5为基础,学习目标检测
宣晨光
向往架构师,专注于微服务治理、人工智能领域;对前端、服务端、数据库、容器化、大数据、区块链等都有涉及。
展开
-
使用java加载、调用onnx模型(二)
主要由 transforms 依次经过 :Resize 缩放CenterCrop 中心剪裁HWC-->CHW,BGR-->RGB 通道、维度变换continuousMat 维度变换[2, 1, 0]ToTensor+ Normalize (0-1)区间,正则化原创 2024-08-19 08:41:54 · 597 阅读 · 0 评论 -
使用java加载、调用onnx模型
opencv-320.jar需要网上查找手动添加该依赖。原创 2024-05-17 16:10:33 · 905 阅读 · 0 评论 -
使用yolov8 进行实例分割训练
预测结果保存位置 Results saved to runs/segment/predict。训练结果保存位置 Results saved to runs/segment/trainX。存放位置 /root/.config/Ultralytics/Arial.ttf。编写 predict.py 脚本,执行 python predict.py。通过ISAM标注后的json文件路径。修改nc 分类个数即可。原创 2024-04-19 14:26:46 · 2679 阅读 · 1 评论 -
卷积网络的层级结构
一个卷积神经网络主要由以下5层组成:数据输入层/ Input layer卷积计算层/ CONV layerReLU激励层 / ReLU layer池化层 / Pooling layer全连接层 / FC layer原创 2024-04-17 15:54:33 · 963 阅读 · 0 评论 -
卷积的计算过程
卷积的计算过程:各个神经元之间的线性组合并进行非线性变换所谓深度卷积就是卷积之后再卷积,更深的隐藏层来获取到更高级和更抽象的特征,以此来提高下游任务的精度。上图在input [5,5,1] 矩阵中,使用[3,3,1] 卷积核、步长为1 进行计算,得到[3,3,1]的feature map指经过卷积运算后特征图上的每个位置(元素)相对于原始特征输入的作用范围。所以:最右侧的特征图,针对中间的输入可视野是2x2,针对最左侧的可视野是4x4中间的特征图,针对最左侧可视野是3x3。原创 2024-04-16 10:40:32 · 611 阅读 · 0 评论 -
【目标检测】-入门知识
是指给定输入变量(特征)和一个连续的输出变量(标签),建立一个函数来预测输出变量的值。换句话说,回归问题的目标是预测一个连续的输出值,例如预测房价、股票价格、销售额等。回归问题通常使用回归分析技术,例如线性回归、多项式回归、决策树回归等。是指给定输入变量(特征)和一个离散的输出变量(标签),建立一个函数来预测输出变量的类别。换句话说,分类问题的目标是预测一个离散的输出值,例如将一张图片分为猫和狗、预测一个电子邮件是垃圾邮件还是正常邮件等。分类问题通常使用分类算法,例如逻辑回归、支持向量机、决策树分类等。原创 2024-04-09 20:13:28 · 1074 阅读 · 0 评论