weixin_36723038的博客

yolo是一种卷积神经网络结构，yolo(意思是神经网络只需要看一次图片，就能输出结果)，通过给出的物体坐标获取目标的特征信息，然后将信息存储、学习，在目标图像上找到符合的特征信息，确定目标位置。yolo的预测是基于整个图片的，并且它会一次性输出所有检测到的目标信息，包括类别和位置。目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。：每一次训练神经网络送入模型的样本数，在卷积神经网络中，大批次通常可使网络更快收敛，

ocr识别的简单应用

1.准备一个新的虚拟环境，安装下载的源码当中对应的requirements.txt文件，记住paddle的版本尽量和下载的代码版本一致，使用tensorrt需要的paddlepaddle版本也不一样，需要去官网查找。program.py调整ArgsParser下面的-c-config指定为.yml的配置文件路径（也就是你修改的配置文件路径）最后训练好可以在./output/db_mv3下面的yml中查看训练的配置文件。Label.txt保存的gt框的坐标（一般用的都是这个）2.准备自己的数据集。...

一.代码准备下载2.0版本以上的paddleocr：paddleocr2.0以上的在训练自己模型的时候有参数： load_static_weights: True #是否将预训练模型保存在静态图形模式所以，只要安装好了tensorrt一般都可以直接使用，Serving也需要2.0版本以上的二.tensorrt的安装可以参照以下方法安装tensorrt：tensorrt安装-1tensorrt安装-2tensorrt安装-3三.paddleocr环境配置

一.前期工作转化源码：tensorrt-yolov51.确定自己使用的YOLO是哪个版本2.确定自己训练模型的类别3.确定自己训练模型是使用的预训练模型是哪个对应的YOLOv5的那个版本参数对应的模型网络层，要和预训练模型对应权重文件下载路径： 不同的版本的权重文件，版本要对应https://github.com/ultralytics/yolov5/tags二.模型转换1.下载对应的tensorrt转换代码和容器运行代码https://github.com/wang-xiny

cmake_minimum_required(VERSION 2.6)project(yolov5)add_definitions(-std=c++11)add_definitions(-DAPI_EXPORTS)option(CUDA_USE_STATIC_CUDA_RUNTIME OFF)set(CMAKE_CXX_STANDARD 11)set(CMAKE_BUILD_TYPE Debug)find_package(CUDA REQUIRED)if(WIN32)enable_

简介：YOLOv5在YOLOv4算法的基础上做了进一步的改进，检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较与分析，但是YOLOv5在COCO数据集上面的测试效果还是挺不错的。YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示：1>输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；2> 基准网络：融