- 博客(10)
- 收藏
- 关注
RSS订阅原创 PyCharm部署SSD目标检测算法
将数据集复制到目录下的VOCdevkit\VOC2007文件夹下，标注文件放到Annotations，图片文件放到JPEGImages，打开voc_classes.txt，修改为自己数据集的类别，每种一行。进入当前文件夹后，先打开requirements.txt，将下面的内容覆盖并保存，也可以直接新建一个requirements.txt文件，然后将下面的内容复制进去，，在最后50轮解冻训练，batch_size可以适当调整到适合自己显卡的合适数值，，这里分为冻结和解冻训练，根据不同的需要，如果。
2025-07-31 14:38:23
915
原创 部署RT-DETR-R18官方版
修改：（1）num_classes；（2）train_dataloader的img_folder和ann_file；位置：rtdetrv2_pytorch > configs > rtdetrv2 > include > dataloader.yml。修改：第45行添加：default='./configs/rtdetrv2/rtdetrv2_r50vd_6x_coco.yml'位置：rtdetrv2_pytorch > configs > dataset > coco_detection.yml。
2025-07-31 00:47:25
1723
原创 远程服务器部署YOLOv13
print(f'PyTorch版本: {torch.__version__}');print(f'CUDA是否可用: {torch.cuda.is_available()}')"可以输入这个指令验证一下。
2025-07-28 09:30:39
331
原创 yolov11 保存best.pt的依据
摘要：该文件讨论了对ultralytics/utils/metrics.py中指标权重参数的修改。修改主要涉及精确度(P)、召回率(R)以及不同IoU阈值下的mAP值(mAP50和mAP90)的权重调整。作者指出这些修改主要影响最终best.py模型的保存设置，而与训练过程本身无关。这表明该调整是针对模型评估阶段的指标优化，而非训练过程中的损失函数或优化策略。(94字)
2025-06-30 17:17:19
347
原创 论文阅读笔记系列（一）风车卷积-用于红外小目标检测的风车形卷积与基于尺度的动态损失
近年来，基于卷积神经网络（CNN）的红外小目标检测方法取得了显著性能。然而，这些方法通常使用标准卷积，忽略了红外小目标像素分布的空间特性。为此，我们提出一种新型风车形卷积（PConv），用于替换主干网络浅层的标准卷积。PConv更贴合红外小目标的类高斯空间分布，能提升特征提取能力，显著扩大感受野，且仅引入极少的参数增量。此外，现有损失函数虽结合了尺度损失和位置损失，但未充分考虑不同目标尺度下这些损失的敏感性差异，导致对暗弱小目标的检测性能受限。为此，我们提出。
2025-06-08 15:23:55
1104
1
原创 解决AutoDL远程服务器的系统盘爆满问题，清理系统盘
以我租的这台3090服务器为例：“/”是“/root/autodl-tmp”是在运行了几次模型后，系统盘爆满问题，怎么解决？首先 我这里的报错是根据日志中的错误提示，意思是你的，主要是训练过程中生成的临时文件（如说明训练产生的临时文件都在这里面都在这里面。
2025-06-06 20:47:56
1516
原创 PyCharm远程连接Ubuntu，docker容器的数据盘，安装miniconda 创建环境，部署模型
注意：根路径是远程服务器的数据盘 我这个是RTX 3090的 6T数据盘 系统盘只有1T然后启动ssh会话，右侧应该会出现远程主机，下面会出现命令行。
2025-05-28 19:52:31
976
2
原创 深度学习系列学习笔记（一）LeNet原理
3、为了构造高性能的卷积神经网络，我们通常对卷积层进行排列， 逐渐降低其表示的空间分辨率，同时增加通道数。4、在传统的卷积神经网络中，卷积块编码得到的表征在输出之前 需由一个或多个全连接层进行处理。Input为14×14×6，卷积核5×5×6 ×16，stride = 1，Input为10×10×16，池化感受野为2×2 ，stride = 2 ,卷积层输出为4维的数据（B,FN,OW,OH）FN是卷积核个数。Input为28×28×1 ，卷积核5×5 ×1×。output为28×28×6。
2025-05-09 14:24:37
450
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