weixin_46288017的博客

本文方法是用在Jetson Nano开发板上的，开发板提供的官方系统镜像中，安装的是OpenCV4.1.1，在调用TensorFlow2的模型时有问题，于是手动编译OpenCV4.4.0进行测试，发现可行。下面介绍OpenCV4.4.0的编译安装过程。1、环境准备按照开发板入门教程把CUDA和cudnn配置好确保安装了CMake下载[OpenCV4.4.0](GitHub - opencv/opencv at 4.4.0)下载对应版本的opencv_contrib2、卸载旧版本OpenCV

一、环境准备安装vs2015根据显卡驱动安装相应版本的CUDA和cuDNN安装OpenCV 4.4.0安装CMake安装Anaconda以上所有安装均可轻易找到大量教程，此处不再赘述。二、搜集样本运行这篇博客的Python脚本，可以快速搜集目标样本集，亲测可用：https://blog.youkuaiyun.com/qq_40774175/article/details/81273198三、标注样本目标检测样本需要把待检测目标在图片中的位置和大小标注出来，采用LabelImg标注Yolo样本非

新建一个.m文件，复制以下代码即可定义函数PlotConfusion，直接按要求调用即可：function F1=PlotConfusion(confusion_matrix)%输入混淆矩阵，绘制混淆矩阵图%列的方向是真实值，行的方向是预测值%或者说是x轴为真实标签，y轴是预测标签，原点在左上角%返回值F1是每个类别的recall和precision的调和平均值，按行排列%例如：f1=PlotConfusion([12,3;15,2]);[label_num,~]=size(confusio

1.编译pycaffe项目Caffe提供了Python接口，用Visual Studio 2013打开caffe-master\window目录下的Caffe.sln，修改文件CommonSettings.props的项为true，并在项添加本机的Python安装路径，推荐用Python2，Python3编译时会报错，例如：...<PythonSupport>true</PythonSupport>...<PythonDir>C:\python27</Py

1.训练模型并获取训练日志用CMD调用Caffe进行模型训练并将日志重定向到txt文件，命令格式如下:#命令格式：command 2> logfile_path & type logfile_path#示例：Build\x64\Release\caffe.exe train --solver=examples\mnist\lenet_solver_adam.prototxt 2> examples\mnist\train_log.txt & type ex

调用Caffe的命令行格式：caffe <command> <arg>#以下为注释内容，介绍命令和参数的可选项#command: train test time device_query#args: -solver #指定训练配置文件solver.prototxt -model #指定模型配置文件train_test.prototxt -weights #指定模型权重，即一个.caffemodel文件 -iterations #指定迭代次数，一般用于te

Win10环境下用Caffe训练CNN的一般步骤：首先确保已经用VS2013打开Caffe.sln并编译好了libcaffe、caffe和convert_imageset这三个项目。一、数据准备1.先准备一个文件夹存放所有训练用的图片文件，再准备一个trainlist.txt文件，包含图片名及其对应的标签，格式如下：imagename1.jpg 0imagename2.jpg 1imagename3.jpg 1...这里提供一个简陋的Python脚本用于划分数据集和生成相应的list.tx