- 博客(7)
- 收藏
- 关注
RSS订阅原创 图像预处理--讯飞智能车识别任务（六）
在实际的调试之中发现摄像头在识别中会出现图片尺寸大小不对，存在干扰点多。画面的白平衡错误导致深度学习模型识别错误的问题。所以本文，将解决这两个问题。图片尺寸问题很好解决，通过裁切就可以将画面的干扰点排除。
2023-08-24 10:59:02
579
2
原创 rknn视觉识别分类计数-讯飞智能车识别任务（五）
在完成之前的rknn的yolov5从训练到部署后，我们进入具体任务的代码实现的阶段。根据本届的的赛题要求，在不同区域有着不同的植株类型，其中可能存在干扰目标。需要达成的任务为精准分类每一个区域的植株类型。由于模型的精度问题，我们需要考虑识别中存在的一定的误判，且因为目标识别是通过小车运动到每一个目标位置去进行识别，所以我们可以采用摄像头实时识别，也可以使用拍照图片识别，二者各有优缺。实时识别：可以一定补足由于模型精准不足所引起的漏识别和误判识别，实时识别可以对同一个目标进行多次识别。
2023-08-24 10:38:21
789
1
原创 机器视觉-深度学习-数据集爬取-爬虫
我们在进行深度学习训练视觉识别模型时，需要提供大量的照片数据集给电脑训练。所以我们需要在百度，bing等搜索网站进行爬取图片。例如selenium，beautifulsoup，requests等，还需要下载匹配谷歌浏览器版本的爬虫驱动。在此，我将提供一个由python的爬虫代码，这个代码可以爬取百度图片。
2023-08-07 18:30:57
303
原创 基于rk3588s的yolov5深度学习从训练到部署--讯飞智能车识别任务（四）
首先，参照官方的RKNN文档的操作，将对应的部分进行修改。yolov5工程中的文件中的类 里forward代码进行修改，内容如下。注意：修改后此工程将不可进行训练模型程序，会出现报错。修改完成后我们可以直接对export.py进行修改导出，也可通过传参的方法运行export.py进行导出。将训练得到的best.pt复制到export.py同一级文件夹下。在命令终端输入以下命令即可传参导出之后，在export.py的同级目录下，就会生成best.onnx这个文件，我们需要做的就是把这个文件复制到我们的。
2023-08-07 18:00:49
3099
11
原创 基于rk3588s的yolov5深度学习从训练到部署--讯飞智能车识别任务（三）
将我们下载好的yolov5的代码解压，然后用一款IDE打开（pycharm），打开之后整个代码目录如下图：现在来对代码的整体目录做一个介绍：├── data：主要是存放一些超参数的配置文件（这些文件（yaml文件）是用来配置训练集和测试集还有验证集的路径的，其中还包括目标检测的种类数和种类的名称）；还有一些官方提供测试的图片。如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。但是自己的数据集不建议放在这个路径下面，而是建议把数据集放到yolov5项目的同级目录下面。
2023-08-06 17:18:58
1411
原创 基于rk3588s的yolov5深度学习从训练到部署--讯飞智能车识别任务（二）
Labelimg是一款开源的数据标注工具，可以标注三种格式。VOC标签格式，保存为xml文件。yolo标签格式，保存为txt文件。createML标签格式，保存为json格式。
2023-08-06 16:25:50
710
2
原创 基于rk3588s的yolov5深度学习从训练到部署--讯飞智能车识别任务（一）
2006年，NVIDIA公司发布了CUDA(Compute Unified Device Architecture)，是一种新的操作GPU计算的硬件和软件架构，是建立在NVIDIA的GPUs上的一个通用并行计算平台和编程模型，它提供了GPU编程的简易接口，基于CUDA编程可以构建基于GPU计算的应用程序，利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。它将GPU视作一个数据并行计算设备，而且无需把这些计算映射到图形API。
2023-08-06 15:55:23
1342
1
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