- 博客(64)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 基于yolov5+fastreid+deepsort的TensorRT目标跟踪
文章目录Object Tracking with TensorRTIntroductionHow to run?ReferenceObject Tracking with TensorRTIntroduction代码位置：https://github.com/linghu8812/tensorrt_tracker视频结果：https://www.bilibili.com/video/BV1qg411K74p?t=0.0This is an implementation for object t
2021-11-06 14:13:49
6174
21
原创 yolov5 PyTorch模型转TensorRT
文章目录yolov5 PyTorch模型转TensorRT1. github开源代码2. PyTorch模型转ONNX模型3. ONNX模型转TensorRT模型3.1 概述3.2 编译3.3 运行4. 推理结果yolov5 PyTorch模型转TensorRT1. github开源代码yolov5 TensorRT推理的开源代码位置在https://github.com/linghu8812/onnx_trt_deploy/tree/master/yolov5，PyTorch转onnx的代码见从原作
2020-10-27 23:30:18
14419
48
原创 Ubuntu安装向日葵
1.打开终端输入sudo apt-get install gir1.2-javascriptcoregtk-3.0 libjavascriptcoregtk-3.0-0 libwebkitgtk-3.0-0 -y2.在官网下载向日葵安装包https://sunlogin.oray.com/personal/download/3.在终端输入完成安装sudo dpkg -i SunloginClient-10.0.2.24779_amd64.deb......
2020-06-10 22:54:23
66968
4
原创 Ubuntu18.04配置darknet环境实现YOLOv4目标检测(一)——配置YOLOv4环境darknet
目录1. 概述2.darknet配置2.1 下载darknet2.2 编译darknet3.测试3.1 测试图片3.2 测试视频1. 概述YOLO官方网址：https://pjreddie.com/darknet/yolo/作者开源项目地址：https://github.com/pjreddie/darknetYOLOv1论文地址：https://...
2019-09-16 00:18:15
10224
17
原创 深度学习经典论文及开源代码
目录综述Deep Learning图像分类LeNetAlexNetZFNetInception系列VGGResNetDenseNetResNeXtSENetEfficientNet目标检测RCNNOverFeatSPPFast RCNNFaster RCNNR-FCNFPNSSD系列YOLO系列Reti...
2019-03-14 23:57:08
6538
1
翻译 【YOLOv9论文翻译】YOLOv9：使用可编程梯度信息学习想要学习的内容
今天的深度学习方法侧重于如何设计最合适的目标函数，使模型的预测结果最接近实际情况。同时，必须设计一种适当的架构，该架构可以促进获取足够的信息用于预测。现有的方法忽略了一个事实，即当输入数据经过逐层特征提取和空间变换时，会丢失大量信息。本文将深入研究数据通过深度网络传输时数据丢失的重要问题，即信息瓶颈和可逆函数。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI可以为目标任务提供完整的输入信息来计算目标函数，从而获得可靠的梯度信息来更新网络权重。
2024-02-26 08:52:51
365
原创 基于pytorch和torchvision实现DeformableConv
相关代码如下：import torchimport torchvision.opsfrom torch import nnclass DeformableConv2d(nn.Module): def __init__(self, in_channels, out_channels, kernel_size=3, stride=1,
2021-10-13 17:20:49
2704
2
原创 基于python构建数据集5折交叉验证划分的方法
基于的python库为scikit-learn，通过pip install scikit-learn安装相关代码如下：from sklearn.model_selection import KFoldfolds = KFold(n_splits=5, shuffle=True, random_state=seed)for fold_i, (train_index, val_index) in enumerate(folds.split(self.image_path_list)): t.
2021-09-19 09:34:38
3910
原创 一个可以接受POST请求的python脚本
"""依赖：pip install ai-hub flask测试用例：model为y=2*x请求数据为json:{"img":3}-----------post请求：curl localhost:8080/tccapi -X POST -d '{"img":3}'返回结果 6"""from ai_hub import inferServerimport jsonclass MyInfer(inferServer): def __init__(self, model):
2021-08-17 16:41:47
1380
原创 基于PyTorch的卷积神经网络图像分类——猫狗大战（二）：使用Pytorch定义网络模型
文章目录1. 需要用到的库2. 模型定义3. 测试基于上一篇文章https://blog.youkuaiyun.com/linghu8812/article/details/100044971，这次介绍一下网络模型的定义。1. 需要用到的库import torchimport torch.nn as nnfrom torchvision.models import resnet50基于ResNet50定义网络模型，在此基础上进行微调。2. 模型定义class CatVSDogNet(nn.Module
2021-07-27 17:08:19
864
原创 Ubuntu18.04 配置mmdetection实现Faster RCNN目标检测
1.安装mmcv1.1 安装方法方法1pip install mmcv-full -f ttps://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html方法2pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu110/torch1.7.0/index.html方法3git clone https://g
2021-05-22 10:26:47
405
1
原创 训练fast-reid模型
1. 下载项目git clone git@github.com:JDAI-CV/fast-reid.git2. 安装依赖安装requirements.txtconda create -n fastreid python=3.7conda activate fastreidconda install pytorch==1.6.0 torchvision tensorboard -c pytorchpip install -r docs/requirements.txt编译rank_c
2021-04-20 10:11:23
880
原创 mmpose PyTorch模型转TensorRT
文章目录mmpose PyTorch模型转TensorRT1. github开源代码2. PyTorch模型转ONNX模型3. ONNX模型转TensorRT模型3.1 概述3.2 编译3.3 运行4. 推理结果mmpose PyTorch模型转TensorRT1. github开源代码yolov5 TensorRT推理的开源代码位置在https://github.com/linghu8812/tensorrt_inference/tree/master/mmpose，PyTorch转onnx的代码是
2021-03-06 09:10:25
1457
4
原创 jetson TX2安装TensorRT
文章目录1. deepstream-l4t镜像1.1 拉取镜像1.2 启动镜像1.3 镜像换源2. 安装软件2.1 软件升级2.2 安装gstreamer2.3 安装opencv3. 安装TensorRT3.1TensorRT安装参考3.2 下载安装包3.3 安装cuda3.4 安装cudnn3.5 安装TensorRT4. 测试安装1. deepstream-l4t镜像1.1 拉取镜像通过以下命令拉取镜像docker pull nvcr.io/nvidia/deepstream-l4t:5.0.1
2021-02-05 20:09:50
9155
15
原创 基于yolov5s的车牌遮挡与污损检测
文章目录1. 车牌样例1.1 正常车牌1.2 遮挡车牌2. 检测模型2.1 数据集2.2 模型训练3. 检测结果3.1 正常车牌结果3.2 遮挡车牌结果1.2 车牌涂改1.3 积雪与泥土遮挡1.4 车牌损坏1. 车牌样例1.1 正常车牌正常车牌样本为从网上爬取下来的未遮挡车牌和从CCPD数据集中补充的部分样本，包括正常车牌和新能源车牌。1.2 遮挡车牌遮挡车牌为人为故意遮挡的车牌、被雨雪泥土遮挡的车牌以及破损的车牌等。
2021-01-26 13:50:37
3140
15
原创 使用ffmpeg将mp4文件转为h264文件或者264文件
使用如下命令：ffmpeg -i test.mp4 -c copy test.h264
2021-01-15 16:12:55
8500
原创 RetinaFace MXNet模型转ONNX转TensorRT
文章目录RetinaFace MXNet模型转ONNX转TensorRT1. github开源代码2. MXNet模型转ONNX模型3. ONNX模型转TensorRT模型3.1 概述3.2 编译3.3 运行4. 推理结果RetinaFace MXNet模型转ONNX转TensorRT1. github开源代码RetinaFace TensorRT推理的开源代码位置在https://github.com/linghu8812/tensorrt_inference/tree/master/RetinaF
2020-12-05 09:53:04
2443
6
原创 yolov5 custom数据集查看anchors
1. 查看anchorsyolov5模型在训练自己的数据集之前会进行autoanchor check，autoanchor check会自动对数据集中的ground truth boxes进行key means聚类，产生新的anchors以提高模型检测的mAP，可以通过以下代码查看新的生成的anchors：import torchfrom models.experimental import attempt_loadmodel = attempt_load('./weights/yolov5s.
2020-12-03 15:17:30
3054
原创 深度学习模型剪枝、量化和TensorRT推理
深度学习模型剪枝、量化和TensorRT推理模型剪枝算法参考文献：Rethinking the Value of Network Pruning (ICLR 2019)github：https://github.com/Eric-mingjie/rethinking-network-pruningRethinking the Value of Network Pruning这篇文献主要介绍了以下几种剪枝算法，并在github上开源了代码，在ImageNet和cifar两个数据集上进行了测试，论文
2020-11-10 20:24:36
4642
1
原创 CenterFace模型转TensorRT
文章目录CenterFace模型转TensorRT1. github开源代码2. 重写ONNX模型3. ONNX模型转TensorRT模型3.1 概述3.2 编译3.3 运行4. 推理结果CenterFace模型转TensorRT1. github开源代码CenterFaceTensorRT推理的开源代码位置在https://github.com/linghu8812/onnx_trt_deploy/tree/master/CenterFace，作者开源的代码位置在https://github.com
2020-11-07 17:43:56
611
1
原创 MXNet Symbol Batch Normalization fix_gamma=True转ONNX方法
1. 问题当MXNet模型的Batch Normalization的fix_gamma参数为True时，会导致转ONNX模型失败，此时输出的ONNX参数如下图所示，导致ONNX的推理结果和MXNet不一致。2. 解决方法出现MXNet Batch Normalization的fix_gamma参数等于True时，可以手动修改batchnorm_gamma参数值，使ONNX模型输出正常，相关代码如下：sym, arg_params, aux_params = mx.model.load_check
2020-11-03 11:13:55
551
原创 Ubuntu18.04配置darknet环境实现YOLOv4目标检测(五)——darknet YOLOv4和YOLOv4-tiny模型转ONNX转TensorRT部署
文章目录1. github开源代码2. darknet模型转ONNX模型3. ONNX模型转TensorRT模型3.1 概述3.2 编译3.3 运行4. 推理结果1. github开源代码开源代码位置在这里，darknet转ONNX模型代码基于python，TensorRT推理代码基于C++。2. darknet模型转ONNX模型通过export_onnx.py文件可以将darknet模型转换为ONNX模型，目前可以支持YOLOv3，YOLOv3-SPP，YOLOv4等模型。 parser
2020-10-25 10:37:54
7720
21
原创 github同步fork仓库与原作者仓库
github同步fork仓库与原作者仓库1. 查看远程仓库$ git remote -v# List the current remotesorigin https://github.com/user/repo.git (fetch)origin https://github.com/user/repo.git (push)2. 添加远程上游仓库$ git remote add upstream https://github.com/otheruser/repo.git# Set a
2020-10-15 19:15:06
423
原创 基于CMakeList.txt文件创建C++动态库及静态库
文章目录基于CMakeList.txt文件创建C++动态库及静态库1. CMakeList.txt文件2. C++文件2.1 MyMathFuncs.h2.2 MyMathFuncs.cpp2.3 main.cpp3.运行基于CMakeList.txt文件创建C++动态库及静态库1. CMakeList.txt文件cmake_minimum_required(VERSION 3.12)project(calculate)set(CMAKE_CXX_STANDARD 14)add_librar
2020-09-10 18:03:03
3191
原创 C++使用mutex对多thread进行变量保护
thread可以在C++中创建多线程调用函数，mutex可以对一些公共变量进行保护，代码如下：代码#include <iostream>#include <thread>#include <mutex>std::mutex m;//you can use std::lock_guard if you want to be exception safeint i = 0;void makeACallFromPhoneBooth(){ m.lock
2020-09-10 16:29:16
1331
原创 C++ boost生成uuid
C++ boost生成uuid1. CMakeLists.txt文件cmake_minimum_required(VERSION 3.12)project(UUID)set(CMAKE_CXX_STANDARD 14)find_package(Boost REQUIRED)message(STATUS "Find Boost include at ${Boost_INCLUDE_DIRS}")message(STATUS "Find Boost libraries: ${Boost_LIB
2020-09-08 11:14:06
1360
原创 【端口映射】配置ssh端口映射
ssh端口映射此手段用于在单向连通网络中进行双向网络打穿适用于未配端口映射的docker容器，不能反向访问的受限网络等一次反向代理在封闭网络内服务器/容器执行以下命令，结果可以使目标服务器通过访问封闭网络内服务器/容器的ssh -fgN -R <port of target machine>:localhost:<port of limited machine> root@<ip of target machine> -p <ssh port>一
2020-08-12 10:11:30
1468
原创 Ubuntu xrdp安装配置——使用windows mstsc远程连接
安装步骤apt-get update输入apt-get update安装xubuntu-desktop输入apt-get xubuntu-desktop安装xrdp输入apt-get xrdp输入echo xfce4-session > ~/.xsession重启xrdp服务输入service xrdp restart远程连接windows远程连接在windows系统中使用win+R，输入mstsc，输入远程连接的地址加端口号，输入用户名和密码后，即可连接。...
2020-07-16 15:02:01
1477
原创 ubuntu 18.04编译安装opencv 4.3.0
1. 下载opencv安装包官网地址：https://opencv.org/releases/2. 安装依赖sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-devsudo apt-get install libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-devsud
2020-06-10 23:06:34
2606
1
原创 Ubuntu18.04 基于detectron2实现Faster RCNN目标检测(三)——Faster RCNN检测单张图片
1. demo.py在图片上实现单张图片的检测可以通过以下命令实现python3 demo.py --config-file ../configs/PascalVOC-Detection/faster_rcnn_R_50_FPN.yaml \ --input cat.jpg \ --output result_cat_voc.jpg \ --opts MODEL.WEIGHTS ....
2020-05-26 17:25:36
1406
原创 Ubuntu18.04配置darknet环境实现YOLOv4目标检测(四)——YOLOv4网络解析
目录1. 概述2. 网络分层解析3. CSPDarknet53解析3.1 Size & Channel3.2 CSP实现3.3 SPP实现3.4 PANet实现1. 概述 基于这篇文章https://blog.youkuaiyun.com/linghu8812/article/details/105729693对YOLOv4论文的学习，YOLOv4模型由以下部分组成：CSPDarknet53作为...
2020-04-28 16:23:04
4519
原创 Ubuntu18.04配置darknet环境实现YOLOv4目标检测(二)——基于YOLOv4训练自己数据
目录1. 数据准备1.1 下载VOC数据1.2 生成数据标签1.3 下载预训练模型2. 训练数据2.1 准备cfg文件2.2 准备训练脚本文件sh完成darknet环境配置后，可以在darknet框架下进行目标检测数据训练。1. 数据准备1.1 下载VOC数据参考https://pjreddie.com/darknet/yolo/网站介绍，下载VOC数据。wget https://pjr...
2020-04-27 14:46:04
7560
34
原创 YOLOv4: Optimal Speed and Accuracy of Object Detection论文学习
1. 概述论文地址：https://arxiv.org/abs/2004.10934github地址：https://github.com/AlexeyAB/darknet1.1 文章主要改进开发了一个efficient并且powerful的目标检测模型，让每个人都可以使用1080Ti或2080TI GPU来训练一个fast并且accurate的目标检测模型；验证了SOTA的BoF和...
2020-04-26 20:21:58
1685
原创 Ubuntu18.04配置darknet环境实现YOLOv4目标检测(三)——基于python进行YOLOv4 inference
目录1. 需要用的的库2. 加载网络3. 加载图片4. 可视化结果完成上一篇https://blog.youkuaiyun.com/linghu8812/article/details/100867702YOLOv4环境配置后，可基于python进行YOLOv4的inference，查看YOLOv4的检测结果。需要用到的库有darknet目录下的darknet.py文件，以及编译出来的libdarknet....
2020-04-25 15:56:26
7438
22
原创 Ubuntu18.04 基于detectron2实现Faster RCNN训练VOC数据(二)
1.准备VOC数据下载VOC数据，将VOC数据放在datasets文件夹下，VOC2007和VOC2012两个文件夹分开放，文件夹下结构不用改变。datasets|----VOC2007|----VOC20122. 数据训练通过以下命令开始训练。CUDA_VISIBLE_DEVICES=0 python3 train_net.py \ --config-file ../confi...
2020-04-23 15:48:34
3316
3
原创 Ubuntu18.04 配置detectron2实现Faster RCNN目标检测和Mask RCNN实例分割(一)
1. 背景介绍detectron2项目地址：https://github.com/facebookresearch/detectron2FasterRCNN论文：https://arxiv.org/abs/1506.01497COCO数据集：http://cocodataset.org/#homeVOC数据集：http://host.robots.ox.ac.uk/pascal/VOC/...
2020-04-23 10:53:27
4275
11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人