AP1005834的博客

2*3, 也即2个点，每个点有3个数值， x , y , 属性（无效0，不可见1，可见2），无效就是这个点不在图像中了，不可见就是点在图像中，但是被遮挡，可见就是点在图像中，且未被遮挡。我的识别对象主要有草莓熟果、果梗，这2类对象，关键点数量为2，草莓的头和尖，果梗虽然不识别关键点，但是也必须有2个点，这里我就取边框的 （中心点x坐标，边框的y坐标top坐标）和（中心点x坐标，边框的y坐标bottom坐标 ） 像是下面的。训练完成后，将得到pt格式权值文件，onnx格式权值文件。

本篇总结C#端使用yolo10的onnx文件做模型推理，主要使用Microsoft.ML.OnnxRuntime.Gpu这个库。需要注意的是Microsoft.ML.OnnxRuntime 和 Microsoft.ML.OnnxRuntime.Gpu 这2库只装1个就行，CPU就装前者，反之后者。然后需要注意系统安装的CUDA版本、CUDNN、OnnxRuntime这3者的版本一致，可在这里查询。这里使用的是 Microsoft.ML.OnnxRuntime.Gpu 版本 1.15.1版本。

该原始模型，需要被转换为openvinocsharp所支持的模型格式，为此需要建立一个yolov10的python环境，使用conda创建，requirements.txt 为 yolov10官方代码下的所需包。这里为了演示，使用官方yolov10m模型（其他大小的模型同理）做演示，可从下方下载，当然也可以是自己训练好的模型。运行代码，可以得到统计的代码加载、预处理、推理的运行时间，并且得到识别结果，类别号、置信度、以及位置。在该创建好的虚拟环境，cd 至下载好的yolov10m.pt 所在目录，执行。

pyinstaller打包指令不要用 -F ，-F是打包为一整个exe，容易出现问题，使用以下指令。首先下载官方代码至本机，并使用conda创建虚拟环境，并安装好yolov10所需库。下载官方模型权重 yolov10m.pt ，并在根目录下创建推理代码。打包将在dist文件夹下生成exe,以及相应独立包文件，运行exe。本节实验将官方yolov10推理程序打包为exe运行。（3）安装pyinstall ，并执行打包指令。打包过程，可能会被防火墙拦截，报病毒错误。接下来将该代码打包为exe,

一、前言 本篇记录做过的一个简单3层感知机回归二、数据讲解

一、前言 本节主要记录，使用python读写VOC2007形式存放的xml标签文件二、XML 标签文件格式打开一个已打标注的XML文件，如下所示：三、使用python读写其中的标注信息xmin ymin xmax ymaximport xml.etree.ElementTree as ETdef fixXml( xml_path): tree=ET.parse(xml_path)#打开文件 root = tree.getroot() #.

一、前言 本篇主要介绍Map的计算，主要参考以下两篇文章https://blog.youkuaiyun.com/hsqyc/article/details/81702437https://blog.youkuaiyun.com/zhou4411781/article/details/105839357二、TP、TN、FP、FN这4个值由以下图就很好理解了TP：实际为真，预测为真TN：实际为假，预测为假FP：实际为假，预测为真FN：实际为真，预测为假三、Accuracy、Precis...

一、前言 本篇主要记录对yolo4进行训练、检测及评测二、下载好代码及编译到作者官网 下载代码，git clone https://github.com/AlexeyAB/darknet.git打开makefile文件进行修改，文件修改如下，当然要先装好CUDA10.0和cudnn后执行make -j8三、在darknet根目录下创建VOCdevkit数据集 数据集的格式采用VOC2007，详见如下图JPEGImages:放图片ImageSet...