- 博客(32)
- 收藏
- 关注
RSS订阅原创 基于Copy-paste的图像P图示例
将待P图的所有目标抠取下来（目标可进行一定的数据增强：翻转、旋转、对比度变化等）进行一定比例缩放，粘贴到待P原图设置的区间范围内。
2024-03-14 15:43:59
367
原创 YOLOv8_pose-Openvino和ONNXRuntime推理【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-03-11 21:23:31
548
原创 YOLOv8_seg-Openvino和ONNXRuntime推理【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-03-11 21:19:40
1085
原创 YOLOv7_pose-Openvino和ONNXRuntime推理【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-03-11 21:12:43
473
1
原创 YOLOv5_seg-Openvino和ONNXRuntime推理【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-03-11 21:06:48
1010
原创 YOLOv7-Openvino和ONNXRuntime推理【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-03-11 20:59:36
1091
原创 YOLOv5/6/7-Openvino-ByteTrack【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-03-05 15:54:29
1044
原创 YOLOv8/9-Openvino-ByteTrack【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-03-05 11:39:28
1209
原创 YOLOv5-Openvino和ONNXRuntime推理【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-02-27 15:22:35
1175
原创 YOLOv6-Openvino和ONNXRuntime推理【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-02-27 14:59:10
1350
原创 YOLOv9-Openvino和ONNXRuntime推理【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-02-26 20:10:12
1659
原创 YOLOv8-Openvino和ONNXRuntime推理【CPU】
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
2024-02-19 11:26:55
1325
原创 YOLOX改进之模型轻量化（Lite）
文章内容：给YOLOv5-Lite系列轻量级模型换上YOLOX头部环境：pytorch1.7+cuda11.0注意：YOLOv5版本为5.0，可以匹配YOLOX的主干网络与neck部分一、参考资料参考资料1：YOLOv5-Lite：代码链接：https://github.com/ppogg/YOLOv5-Lite文章链接：https://blog.csdn.net/weixin_45829462/article/details/119767896?spm=1001.2014.3001.5502
2022-03-13 23:54:31
14662
39
原创 YOLOX训练C盘爆满解决方案
0. 问题描述：COCO数据集训练到一半突然中断，看C盘显示红色，已经没多少内存了（训练时，生成在AppData/Temp中的临时文件太多）如图所示：随着epoch的增加，文件越来越大（图中还是yolox-tiny），如果采用yolox-x，C盘不大的一下爆了！！1. 问题原因：YOLOX-main/yolox/evaluators/coco_evaluator.py中203行左右**tempfile.mkstemp()**创建文件后，没有进行close()和remove()操作如下图：2.
2022-03-03 22:16:51
7593
9
原创 YOLOX之绘制AP图与损失曲线
文章内容：如何在YOLOX官网代码中绘制AP图与损失曲线环境：pytorch1.8注意：只能利用运行结果”YOLOX_outputs/outputs/train_log.txt“文件绘制图的格式：自己可以进一步修改，已经是新罗马字体代码如下：1、绘制AP图使用：在YOLOX-main中创建AP.py文件即可代码修改：文件路径+epoch次数（默认每次epoch评估）import matplotlib.pyplot as pltfrom matplotlib.pyplot import Mu
2022-01-08 14:40:45
7668
47
原创 YOLOX改进之添加ASFF
文章内容：如何在YOLOX官网代码中添加ASFF模块环境：pytorch1.8修改内容：（1）在PAFPN尾部添加ASFF模块（YOLOX-s等版本）（2）在FPN尾部添加ASFF模块（YOLOX-Darknet53版本）参考链接：论文链接：https://arxiv.org/pdf/1911.09516v2.pdfASFF原理及代码参考：https://blog.csdn.net/weixin_44119362/article/details/114289607示意图如下：使用方法：直
2022-01-06 22:49:52
23246
54
原创 YOLOX改进之损失函数修改（下）
文章内容：如何在YOLOX官网代码中修改定位损失环境：pytorch1.8修改内容：（1）置信度预测损失更换：二元交叉熵损失替换为FocalLoss或者VariFocalLoss（2）定位损失更换：IOU损失替换为GIOU、CIOU、EIOU以及a-IOU系列提示：使用之前可以先了解YOLOX及上述损失函数原理参考链接：YOLOX官网链接：https://github.com/Megvii-BaseDetection/YOLOXYOLOX原理解析（Bubbliiiing大佬版）：https:
2022-01-06 16:45:15
11656
25
原创 YOLOX改进之损失函数修改（上）
文章内容：如何在YOLOX官网代码中修改置信度预测损失环境：pytorch1.8损失函数修改内容：（1）置信度预测损失更换：二元交叉熵损失替换为FocalLoss或者VariFocalLoss（2）定位损失更换：IOU损失替换为GIOU、CIOU、EIOU以及a-IOU系列提示：使用之前可以先了解YOLOX及上述损失函数原理参考链接：YOLOX官网链接：https://github.com/Megvii-BaseDetection/YOLOXYOLOX原理解析（Bubbliiiing大佬版）
2022-01-06 15:18:00
25368
76
原创 YOLOX改进之插入注意力机制SE、CBAM
文章内容：如何在YOLOX官网代码中插入注意力机制环境：pytorch1.8提醒：使用之前先了解YOLOX及注意力机制原理更好参考链接：YOLOX官网链接：https://github.com/Megvii-BaseDetection/YOLOXYOLOX原理解析（Bubbliiiing大佬版）：https://blog.csdn.net/weixin_44791964/article/details/120476949SE注意力机制解析：https://blog.csdn.net/mrjkzh
2022-01-06 11:27:02
18092
66
原创 运行mmdetection的benchmark.py报错：RuntimeError: Distributed package doesn‘t have NCCL built in
**起因：**利用mmdetection的tools/benchmark.py计算FPS时报错。错误内容如下：Traceback (most recent call last): File "tools/analysis_tools/benchmark.py", line 191, in <module> main() File "tools/analysis_tools/benchmark.py", line 183, in main init_dist(args.
2021-12-30 18:27:47
2523
原创 json格式与xml格式转换为Yolov5训练标签格式
1、json格式转yolov5标签格式# 实现json文件yolov5训练的txt文件# 注意：图像的宽高需要自定义import jsonimport osdef convert(img_size, box): x1 = box[0] y1 = box[1] x2 = box[2] y2 = box[3] # 转换并归一化 center_x = (x1 + x2) * 0.5 / img_size[0] center_y = (y1
2021-12-14 19:33:12
4721
4
原创 Python-混合高斯分布(GMM)的应用及K-S检验
内容简介：对几种经典的单分布模型与混合高斯分布模型进行简单介绍，随后用于交通数据分析，并进行K-S检验，讨论模型拟合情况。其中，单分布模型有：正态分布、Gamma分布、Weibull分布、Logistic分布；1 模型介绍1.1 单分布的概率密度函数介绍如下：1.2 混合高斯分布（GMM）模型介绍如下：GMM详细推导与介绍见：https://blog.csdn.net/jinping_shi/article/details/596130542 模型应用数据集介绍：2017美国发生事故的总体
2021-08-20 14:27:29
8316
8
原创 基于CNN网络的轴承故障诊断
内容参考：《基于卷积神经网络的轴承故障 诊断算法研究》–张伟代码参考:https://github.com/AaronCosmos/wdcnn_bearning_fault_diagnosis1 背景：基于信号处理的特征提取+分类器的传统智能诊断算法，对专家经验要求高，设计耗时且不能保证通用性，已经不能满足机械大数据的要求。提出使用基于卷积神经网络智能诊断算法来自动完成特征提取以及故障识别。1.1 挑战机电产品故障诊断面临的挑战，有三大特点：（1）数据量大，专业分析人员的数量严重不足，仅依靠人
2021-08-13 22:25:35
56558
61
原创 在PyQT5上可视化障碍物检测与车道线检测
环境配置：python=3.6，opencv-python=4.4.0，torch=1.7.1（cuda=11.0），PyQt5=5.15.1（缺啥补啥）PyQt5功能：实现选择视频文件、播放、中止、暂停，继续播放检测功能：障碍物检测（YOLOv3），车道线检测（LANEATT）简单流程：对读取的每一帧图片分别进行障碍物检测和车道线检测，然后利用PyQt5将检测结果进行可视化效果展示：一、文件目录1、car_detector文件夹，YOLOv3检测模型2、cfgs文件夹，包含car.yml
2021-07-28 16:25:14
3325
21
原创 解决方案：error: Microsoft Visual C++ 14.0 or greater is required. Get it with Microsoft C++ Build Tools
问题：python setup.py install出现C++要求异常步骤1：保证电脑有VS2015以上，我的是VS2017步骤2：添加系统环境变量（关键）如下所示：C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.16.27023\bin\Hostx64\x64C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\
2021-07-27 16:53:43
1042
原创 在PyQT5上可视化车道线检测
环境配置：python=3.8，opencv-python=4.5.1，pyqt5=5.15，numpy=1.19.5功能：实现选择视频文件（没有设置图片选择），播放，中止，暂停，继续播放效果展示（高级车道线检测）：一、文件目录1、camera_cal文件夹为相机标定文件（高级测试场景使用，如果更换为初级场景，如直线，需要在counter.py函数进行注释和更改）2、文件2.jpg为自定义图片，可更换3、counter.py实现播放-停止-暂停-继续播放的关系连接（在同一个视频中）4、de
2021-07-25 21:09:40
2396
6
原创 基于opencv-python的车道线检测（高级）
运行环境：python3.8， numpy=1.19.5，opencv-python=4.5.1注意：以下内容只提供了代码与运行结果，具体原理与细节见https://zhuanlan.zhihu.com/p/54866418一、文章目录1、相机标定2、视频畸形修正3、透视变换4、提取车道线5、矩形滑窗6、跟踪车道线7、求取曲率与偏移量8、逆投影到原图9、视频车道线检测二、实操注意：后一节代码是在上一节代码的基础上进行修改（排版比较繁琐，可以选择章节进行运行）1、相机标定impo
2021-07-22 19:39:43
6990
24
原创 基于opencv-python的车道线检测（初级）
基于opencv-python的车道线检测（初级）运行环境：python3.8， numpy1.19.5，opencv-python4.5.1一、文章目录1、图片读取2、BGR转灰度图3、图片边缘提取4、感兴趣区域选择5、霍夫变换6、直线拟合与后处理7、视频车道线提取二、实操注意：后一节代码是在上一节代码的基础上进行修改1、图片读取import cv2img = cv2.imread('whiteCarLaneSwitch.jpg')cv2.imshow('lane', im
2021-07-21 16:02:54
4274
4
原创 基于YOLOv5的PCB板缺陷检测
基于YOLOV5的PCB版缺陷检测一、数据集介绍印刷电路板（PCB）瑕疵数据集：数据下载链接，是一个公共的合成PCB数据集，由北京大学发布，其中包含1386张图像以及6种缺陷（缺失孔，鼠标咬伤，开路，短路，杂散，伪铜），用于检测，分类和配准任务。选取其中445张图像进行了训练（下载了别人的）。数据样本示例：二、环境配置1、github官网下载yolov5源码：https://github.com/ultralytics/yolov52、Anaconda安装（省略）3、创建新的环境（pytho
2021-07-16 16:18:59
28010
115
原创 TraPHic: Trajectory Prediction in Dense and Heterogeneous Traffic Using Weighted Interactions
1111
2021-07-06 16:56:44
308
原创 pycocotools==2.0.2安装解决办法
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2021-06-23 16:25:10
2495
5
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人