Cohesive coder-优快云博客

原创 YOLO硬件部署方案权衡（v5s vesus v7-tiny）

参数总量: YOLOv7-tiny 的参数量更小，约为 6M，这使得它在资源受限的设备上非常适合。YOLOv5s 的参数量略大，但仍然足够轻量级，适合稍微宽松的计算环境。网络结构: YOLOv7-tiny 的结构极为简化，适合对性能要求极高的场合，而 YOLOv5s 具有更复杂的结构，提供更高的精度和适应性。性能表现: YOLOv7-tiny 在速度上占优，非常适合实时推理应用，但在精度上略逊于 YOLOv5s。YOLOv5s 在精度和速度之间取得了更好的平衡，适合更广泛的应用场景。

2024-08-19 18:24:02 1692

原创 Pytorch AI开发全流程常用代码工具总结

dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt, vid_stride=vid_stride) #从webcam中获取推理数据流vid_stride。dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt, vid_stride=vid_stride) #从PC中的文件资源获取数据。如果该属性不存在，还可以提供一个默认值来避免报错）

2024-08-13 15:53:30 439

原创 YOLOv5学习笔记——损失函数篇

目标框回归是通过对锚框的偏移量进行回归预测目标物体的位置，并通过解码得到最终的边界框。Yolov5通过多尺度特征提取、锚框参数化、偏移量回归、损失函数优化和后处理等步骤，来实现对目标物体精确位置的预测。希望这个解释能够帮助你理解目标框回归的原理与机制！如果你有更多问题或需要进一步的详细讲解，欢迎继续提问。

2024-07-12 19:58:07 4410 1

原创 YOLOv5学习笔记——背景知识篇

Yolov5学习笔记——相关概念篇

2024-07-11 14:26:58 752

原创 git开源项目：trackformer——目标跟踪轨迹识别项目复现

现在在北航读完三年了，学的东西越来越多，越来越急，有的东西没有时间来打在PC上做思维导图，之后会以各种博客的形式来分享软硬件两方面的一些代码复现经历、debug思路以及论文学习成果，今天带来的是是trackformer的复现日志,git路径git@github.com:timmeinhardt/trackformer.git，关于深度学习实现目标轨迹跟踪项目简介：This repository provides the official implementation of the TrackFormer:

2021-09-05 11:25:09 3569 9

原创信号与系统（北航熊庆旭）思维导图，带公式与概念解释

对北航22系的学生来说，大二下的信号与系统是一个难关，在一个学期的过程当中，我从第一节课的第一个概念开始直到课程结束，一直尝试通过建立思维导图，将各个概念在学习的过程当中直接整合成为知识网络，从而简化信号与系统的学习过程。一个学期下来，成效显著，而思维导图本身意义在课程结束后也发生了变化，成为了思考的见证。以后我的课表里不会再有信号与系统这门课程了，但这门学科还会长久的存在下去并为我们所使用，话不多说，直接给出文件，供大家取用。链接：https://pan.baidu.com/s/1wG91yIY

2020-07-16 22:50:26 5671

原创 SolidEdge学生版含Bom表装配图出图指南

SolidEdge由Siemens公司出版，其学生版可以在官网上免费下载，且功能简单，适合非机械专业人士的需要。最近学校要求这方面的作业，也有人问我怎么弄，想着优快云上没有学生版的出图指南，于是就有了这么一篇文章。本文结合作者实际使用经验，介绍含Bom表的简单产品装配图制作流程。1、打开.asm装配文件后，在工具栏中找到ERA选项，进入爆炸渲染动画环境2、制作爆炸视图，笔者选用了自动爆照以...

2019-12-29 13:44:54 9168