- 博客(4)
- 收藏
- 关注
RSS订阅转载 CLRNet部署实现（下）
在CLRNet推理详解及部署实现（上）文章中我们有提到如何导出 CLRNet 的ONNX 模型，这篇文章就来看看如何在 tensorRT 上推理得到结果Note：开始之前大家务必参考CLRNet推理详解及部署实现（上）将对应的环境配置好，并将 CLRNet 的 ONNX 导出来，这里博主就不再介绍了repo博主在这里针对 CLRNet 的预处理和后处理做了简单分析，同时与大家分享了 C++ 上的实现流程，目的是帮大家理清思路，更好的完成后续的部署工作😄。
2025-01-07 15:06:40
430
转载 CLRNet部署实现（上）
继续我们的车道线检测任务，之前我们分享了基于 anchor 的 LaneATT 模型，这里我们分享 CVPR2022 的 SOTA 方案 CLRNet 模型，这篇文章主要分析 CLRNet 模型的 ONNX 导出以及解决导出过程中遇到的各种问题。若有问题欢迎各位看官批评指正😄paperrepo车道线检测任务是一种高低层次信息都依赖的任务，CNN 网络的高层次特征具有较强的抽象表达能力，可以更加准确判别是否为车道线。而在 CNN 网络的低层次特征中包含输入图像丰富的纹理信息，可以帮助车道线进行更精准定位。
2025-01-07 15:03:58
346
1转载 PyTorch的自动混合精度（AMP）
背景PyTorch 1.6版本带来的最大更新就是自动混合精度。release说明的标题是：Stable release of automatic mixed precision (AMP). New Beta features include a TensorPipe backend for RPC, memory profiler, and several improvements to distributed training for both RPC and DDP.可见自动混合精度正是
2022-05-03 15:02:00
761
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