DeepSORT的深度外观模型是在人的重识别数据集上训练得到的，在用于人的多目标跟踪效果好，用于车辆就不一定适用，所以要训练适用于车辆的深度外观模型。 我的环境是win10 python3.6 TensorFlow1.9 训练代码：https://github.com/nwojke/cosine_metric_learning 1、首先要准备车辆的重识别数据集car-Reid.zip 2、将数据
转载
2023-07-27 09:00:46
419阅读
下载好匹配的deeosort和yolov5代码很重要，题主折腾了一天，坑在版本上了！！题主用的deeosort v3.0和yolov5 5.0版本，master似乎还不完善，没跑通，要是跑通了的读者希望可以交流一下。直接进入正题：一.目标追踪整体代码 分别主体是yolov5和deep_sort。二.训练自己的数据集yolov5和deep_sort分开训练。三.训练deep_sort准备d
转载
2024-01-12 18:23:25
266阅读
截止到今天，yolo版本已经迭代到第7代了，发展历史就不再过多叙述。虽然已经到第7代了，为啥目前还是使用yolov5比较多？我个人认为，yolov7目前还存在许多bug，虽然能够跑通，但是源码还是需要修改一下的。yolov5本身就已经性能不错了，而且使用的范围也比较广，所以暂时不用去研究yolov7。通过观看视频，学习资料知道，yolov7的使用方法和yolov5基本是一样的，上手应该也是比较快的
转载
2023-11-13 08:22:44
332阅读
作者的github链接：https://github.com/whai362/PSENet Requirements Python 2.7 PyTorch v0.4.1+ pyclipper Polygon2 OpenCV 3.4 (for c++ version pse) opencv-python 3.4 首先是需要安装这些依赖，因为我们自己电脑上面已经安装了各种版本的opencv，pytho
转载
2024-05-16 08:18:17
123阅读
前面我的两篇博客分别介绍了语义分割FCN及SegNet的算法重点知识及代码实现，最近在github上又fork了一个好资源https://github.com/divamgupta/image-segmentation-keras，这里分享一下。该资源实现了FCN，UNet, SegNet, PSPNet网络，本篇以SegNet为例来说明下如何使用其来训练和预测自己的数据集。值得一提的是，该资源是
转载
2024-05-10 11:59:29
108阅读
deepsort用来跟踪被检测对象。网上常见的yolov5+deepsort，是pytorch版。此版本由ZQPei Github提供，源自nwojke Github ，将其修改为pytorch，是pytorch粉的福音。 ZQPei提供的ReID：deep模型文件ckpt.t7为行人特征，由market1501数据集训练获得。本文在此基础上，针对车辆特征，使用veri-wild车辆数据集，对de
转载
2024-01-30 15:18:34
106阅读
数据准备先将自己的数据转成VOC数据集类似的数据，图片为jpg格式，标签为xml格式。在Faster RCNN目录下的data文件夹下建立VOCdevkit2007文件夹，再在此文件夹下建立VOC2007文件夹，再在VOC2007文件夹下建立Annotations，ImageSets ， JPEGImages三个文件夹，Annotations文件夹下存放xml文件，ImageSets文件夹下建立M
转载
2024-04-16 09:48:03
155阅读
训练过程主要参考项目中的examples/extract_diving48_skeleton/diving48_example.ipynb但是我一开始不知道这个文件，从网上查不到太多的资料，走了不少弯路，这里就把我训练的过程分享一下。1.准备自己的数据集这里使用的是Weizmann数据集，一个有10个分类，每个类别差不多有10个视频。分成训练集和测试集，目录如下，最好让视频名称按照 ‘视频名_类别
转载
2024-04-24 13:51:49
285阅读
前不久在实验室接手一个项目，与甲方几经周旋后给了一个接口，核心部分是yolo3的文字检测与cnocr的文本识别。在文本识别中，由于给的预训练的模型的训练数据集与项目应用的数据分布差距较大（最明显的是识别字符的范围不同），可能需要对模型重新训练。为应对甲方朋友的一时兴起，特意花了一个下午搞清楚如何重新训练。特撰写此博客以作记录。一、重训练cnocr的理由"""
识别范围不同，cnocr提供的模型只能
转载
2024-03-18 13:52:16
1387阅读
点赞
paddleOCR踩坑记训练莫名终止或者评估莫名终止训练和评估的效果都特别好，预测的效果却特别差使用gen_label.py报错将paddleOCR转成pytorch框架 训练莫名终止或者评估莫名终止这是因为在tools/program.py文件里有一句逻辑关系语言出错了，需要进行如下修改。if idx >= len(train_dataloader):
break
#把上面这句话修改成
转载
2024-01-21 08:34:22
245阅读
https://blog..net/weixin_44771532/article/details/105495755 优先看 https://my.oschina.net/u/4581492/blog/4371683 yolov3-aconda-python https://blog.cs
转载
2020-08-18 17:38:00
586阅读
2评论
https://github./sfzhang15/RefineDet 1、编译安装 cp Makefile.config.example Makefile.config make all -j4 make pycaffe 2、训练 （1）原作只提供了resnet101,vgg16两种网络，因
原创
2022-01-17 16:49:55
115阅读
在本文中，我将详细记录如何使用PyTorch训练自己的数据集的过程。这个过程包括环境准备、集成步骤、配置详解、实战应用、排错指南和生态扩展。希望通过这个结构能为大家的学习提供一些帮助。
### 环境准备
首先，准备训练环境非常重要，确保你安装了正确版本的依赖库，以下是一个版本兼容性矩阵，帮助你更好地选择。
| 依赖项 | 版本 | 兼容性
使用自己生成的OCR数据集进行迁移学习数据集生成挑选所需要的字体生成（ID:字符）映射表文件生成OCR字符样本生成的OCR样本集展示训练集测试集迁移学习训练生成字符样本的（路径 标签）映射表加载数据集，并生成模型文件（.npy）加载数据并训练获得识别模型与准确度 为了防止遗忘，将实验过程记录于此。 数据集生成在进行深度学习的过程中，不论是视频教程还是书籍的示例代码中，常常都是使用已经封装好的经
转载
2024-09-13 21:49:49
194阅读
在2013Esri全球用户大会上。Esri为我们演示了ArcGISOnline的诸多功能及其效果。现在ArcGISOnline已经拥有了非常完善的GIS功能，完全能够满足大部分组织的基本需求。视频通过丰富的案例，对这些功能进行了演示。 我们将这次演示中ArcGISOnline的亮点做了提取
看了网上好多YOLOv8训练自己数据集的帖子，都存在一个问题，在远程服务器上该怎样部署？下面是我的步骤：1.前往github下载源码GitHub - ultralytics/ultralytics: NEW - YOLOv8 ? in PyTorch > ONNX > CoreML > TFLite2.准备自己的数据集新建dataset文件夹，文件夹文件如图所示其中VOCdevk
配置py-faster-rcnn没什么好记的，文档也很多。先说下数据集，需要准备三个文件夹：Annotations Images Imagelist Images文件夹 ：存放所有的 train 和 val 的图片 Annotation文件夹 ：存放对应图片的xml文件（因为我没找到专门的xml格式标注的行人检测数据集，所以就
转载
2024-09-03 11:48:01
291阅读
先占个坑，国庆假期的时候来写。10月16号，终于打开了CSDN，想起了还有一篇没写的博客本文适合一些小白看，比较简单，稍微改一下别人的示例代码就行。之前做了点肿瘤检测的工作，就是在图上把肿瘤的位置用边界框标出来，用自己的数据做成了VOC格式，然后训练了faster R-CNN，结果还行。下面要做的工作是在之前的基础上，还要把肿瘤勾画出来，所以就要用到mask R-CNN了，这时候数据就成了问题。用
转载
2024-07-15 06:23:08
43阅读
在win10和win7系统上配置faster rcnn（GPU）冲冲冲介绍我的环境配置过程1. 数据准备2. 把数据集放进VOCdevkit2007文件夹下，名字为VOC20073. 安装依赖包和pytorch1.4，这里的cuda版本是10.14. 编译！！windows的小伙伴一定都死在了这步！ubuntu编译就很顺利，windos它不行啊！下来就可以尝试运行了想说的话 介绍最近实验室需要在
测试环境：ubuntu18.04cuda10.0+cudnn7.6.5anaconda3+python3.7keras==2.2.5tensorflow-gpu==1.14.0第一步：准备数据集使用labelme标注数据，然后使用labelme_json-to_dataset批量转换为5个文件，类似下面这样为了偷懒，我自己使用的VOC数据集然后写了一个脚本把xml格式转成labelme对应格式，这
转载
2024-07-31 11:31:23
324阅读
