- 博客(13)
- 收藏
- 关注
RSS订阅原创 海思(himixx200)交叉编译H264,ffmpeg和opencv4.2
安装交叉编译链，并配置环境变量验证—教程很多配置上环境变量后，可查看编译命令zycxvm00x@Ubuntu16-040:~$ armarm2hpdl arm-himix200-linux-gcovarm-himix200-linux-addr2line arm-himix200-linux-gcov-toolarm-himix200-linux-ar arm-himix200-linux-gdbarm-himix200-linu
2021-11-15 14:08:40
3628
1
原创 显存未释放，模型训练一直GPU显存溢出，out of memory
如何查看服务器上占用显存的进程在服务器上进行模型训练时，一直出现显存溢出的错误，查看nvidia-smi，并没有出现GPU进程占用的情况，发现有部分GPU显存未被释放查看未释放显存进程命令fuser -v /dev/nvidia*当前用户权限下就会打印出占用显存的所有进程...
2021-05-07 11:19:58
1629
原创 PaddleDetection中推理源码修改，增加批量测试和指定目标保存
PaddleDetection/deploy/python/infer.py导出模型的推理预测程序中没有批量预测和指定目标保存。现对代码进行修改，增添功能。在infer.py 中predict_image函数中进行修改，进行批量测试加入超参数–infer_dir在main函数中进行修改，增加参数 # parser.add_argument( "--infer_dir", type=str, default='', help="Directory for images to
2021-04-13 10:44:58
1098
4
原创 Tensorflow lite--安全帽与反光背心的目标检测
参考了博客，是一个口罩的识别。在用标注工具标注自己的数据集后，转换数据集格式，voc的XML格式转换csv格式，csv再转成tensorflow所需要的标签和图片合体的record格式。XML-CSV 网盘 vln2CSV-record 源码中就给了，在参考博客中也给出了。在准备好自己的数据集后，就可以开始配置tensorflow环境了，这个比较麻烦，我是在conda虚拟环境中配置的tensorflow-gpu，版本是1.15，# your_name为自命名虚拟环境名conda create
2020-06-28 14:14:17
1530
1
原创 linux安装opencv4.3一直make出错
ubuntu18.04 安装opencv opencv4.3源码编译其中一直是cmake不知道怎么回事，网上各种命令安装，大部分cmake都可以成功，但是make会出错。参考上面的文章终于编译成功，mkdir了好几个目录，才编译好，多试几次。在根据教程配置好环境后（python 和c++），最后编译一个cpp文件测试一下，进入<你的目录>/opencv-4.3/samples/cpp/下，用g++编译：g++ `pkg-config --cflags opencv4` drawing.
2020-05-28 14:20:02
967
原创 模型压缩和剪枝--基于darknet权重文件移植
当知道如何训练自己的数据集后，如何将自己的模型优化并且速度更快，文件更小，精度更高呢，这时候除了调整超参数外，就要进行模型压缩和剪枝，并且为了落地到平台部署，推理速度是必须要考虑的，现在很多板卡（海思3519av100，jetson nano)上运行yolov3-tiny模型是可以跑的，FPS可以达到30左右，但是要检测多目标，或者复杂的物体识别，那就无法满足要求了。因此我们要在保证准确度的前提下，对算法模型进行压缩和剪枝参考开源项目：模型压缩和剪枝https://github.com/tanlure
2020-05-26 15:43:22
1714
2
原创 在deepstream上进行源码修改，在图像上overlay，并裁减目标图片后保存
jetson nano 上如何将检测到的目标对象从图片中裁减出来并保存到本地。在deepstream中gst-pluglns插件的 gst-dsexample中gstdsexample.cpp中修改部分代码static GstFlowReturnget_converted_mat (GstDsExample * dsexample, NvBufSurface *input_buf, gint idx, NvOSD_RectParams * crop_rect_params, gdouble &
2020-05-20 14:27:09
1122
2
原创 pip下载torchvision和opencv后还是无法导入模块--解决
由于在装完anconda后，就有python3版本3.7，所以都是直接pip3 install -name但是都显示安装成功，但是import导入的时候还是不成功。需要pip更新，，缺少了一些模块pip更新pip3 install --upgrade pippip install opencv-pythonpip install torchvision这时候import就可以了python3import torchvisionexit()...
2020-05-20 13:33:06
681
原创 darknet框架(两种版本)编译与使用--yolo训练自己的数据集
yolo模型应用现在最为广泛，前段时间AB更是更新了yolov4，网上一些大神测试后反应好像都没达到期望，和EfficientNet相比好像效果一般。但yolo仍然是使用最广泛的模型之一。而当前训练yolo的框架很多。个人觉得darknet框架比较容易上手，适合我这种小白。windows和linux都支持的，需要配置的环境不一样而已。darknet有两种版本，一种是官方版本，但是维护力度不是很大，不过上手也挺简单的，想要下载可以直接去官方下载，教程很详细。还有一种就是AlexeyAB版Darknet
2020-05-20 11:08:58
1500
原创 deepstream中 gst-rtsp-server库下载和编译
gst-rtsp-server下载并编译官方的git源码没有sh文件编译，版本更新后连readme也没有。踩过一些坑后，才成功。本人是在jetson nano 板卡上编译deepstream-app源码出现的库缺失错误，可能是安装不全。从下方网站下载gst-rtsp-server，注意需要选1.14版本的，选其他的都不行。http://mirrordirector.raspbian.org/raspbian/pool/main/g/gst-rtsp-server1.0/cd 到文件目录下就可以进
2020-05-09 10:36:44
1128
转载 YOLOv3详解
一起分析网络一些细节与难懂的地方backbone：darknet-53为了达到更好的分类效果，作者自己设计训练了darknet-53。作者在ImageNet上实验发现这个darknet-53，的确很强，相对于ResNet-152和ResNet-101，darknet-53不仅在分类精度上差不多，计算速度还比ResNet-152和ResNet-101强多了，网络层数也比他们少。Yolo_v3使...
2020-03-26 19:04:41
818
原创 进行图像目标检测的一些CNN网络结构发展
一些CNN网络结构的发展RCNN1.在图像中确定约1000-2000个候选框 (使用选择性搜索Selective Search)2.每个候选框内图像块缩放至相同大小，并输入到CNN内进行特征提取3.对候选框中提取出的特征，使用分类器判别是否属于一个特定类4.对于属于某一类别的候选框，用回归器进一步调整其位置Fast R-CNN1.在图像中确定约1000-2000个候选框 (使用选择性...
2020-03-10 11:26:05
417
原创 AI基础项目手写数字识别思路总结
AI基础项目–手写数字识别掌握核心：1.数据集下载，这里用的公开数据集Minist2.网络设计，全连接神经网络，激活函数，注意输入输出尺寸，通道。（N,V=HWC）这里设计了三层3.网络实例化，进行训练网络。设置损失函数，数据优化处理之类4.得到优化参数后，进行测试，比对样本，使用one-hot编码，通过索引比对数据的对错注意：1.是一个十分类问题，最后神经元的输出一定是10个小数，最后...
2020-03-06 17:55:12
879
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