YOLO模型——思想、原理以及为什么使用网格、边界框1. 前言2. YOLO的思路2.1 从滑动窗口开始2.2 改进2.2.1 R-CNN2.2.2 YOLO3.YOLO的详细介绍3.1 流程3.2 调整图片大小、分成S×S个网格3.3 生成边界框3.3.1 位置与大小3.3.2 置信度3.3.3 总结3.4 网格分类3.5 非极大值抑制NMS3.6 总结4. YOLO的神经网络4.1 结构4.
注意这个CMakeLists.txt和yolox.cpp一起，yolox.cpp代码就在yolox官方源码demo/ncnn/cpp里面，然后编译。首先转换pytorch->
原创
2024-09-30 15:49:39
108阅读
一.参数设置 要研究一个网络，首先要搞懂各种参数的设置，因为网络训练和测试都依赖于这些超参数。除了一些超参数，u版的yolov3把网络的参数也放在了config文件里，加大了阅读的难度。我选择了把网络参数直接放在网络定义的文件里，config文件只保存超参数。# custom
cfg.annotations_path = "./data/annotations/annotations.
我前段时间在尝试部署yolov5时遇到不少问题，这里我来做一个汇总这个时yolov5的官网：Releases · ultralytics/yolov5 (github.com) 下面来罗列一些我在部署时遇到的问题，并且附有解决方法：AttributeError: Can‘t get attribute ‘SPPF‘ on ＜module ‘models.common‘ from ....
mnn中8bit的量化方法基于两种KL_divergenc 和ADMM 两种方法，本文主要介绍基于kl_divergence的8bit量化方法；mnn 编译和执行命令编译：cd MNN
mkdir build
cd build
cmake -DMNN_BUILD_QUANTOOLS=ON ..
make -j4执行命令：./quantized.out origin.mnn quan.mnn p
转载
2024-03-29 22:23:35
329阅读
ncnn, yolox上一篇文章分享了yolox的原理和代码解读。这里我们用ncnn进行yolox推理测试。因为ncnn本身可以下载编译好的动态库，yolox又提供了推理脚本。所以整个过程我们可以在5分钟左右走完。3minclone yolox…下载ncnn_ubuntu_shared, 这里我下载的是ncnn-20210720-ubuntu-1804-shared.zip在ubuntu上安装Vulkan来自官方:https://packages.lunarg.com/#wget -.
原创
2021-09-07 11:26:56
1459阅读
；yolox_s.pth --》 yolox.onnx --》 yolox.param + yolox.bin --》
原创
精选
2023-06-03 17:21:39
1532阅读
点赞
序言之前一篇文章写yolox的训练，这篇文章写一下关于部署，yolox之所以刚出来就这么火爆，不仅是精度高、速度快，很大程度上还是因为直接把部署的代码叶开源了，可谓是从训练到部署一条龙服务，很良心，yolox里面开源的部署代码有四种：ncnn、openvino、onnx和tensorrt，刚好手上有一个nano的板子，所以打算试试yolox使用ncnn在nano上的效果，写一篇文章记录一下过程。一、模型转换pytorch->onnx使用ncnn部署，模型转换的步骤还是：pytorch ->
原创
2021-11-18 16:31:22
2291阅读
作者 | 唐超编辑丨极市平台导读 本文将YOLOX训练的模型转到ncnn进行推理加速。YOLOX最近刷屏了，关键是官方仓库直接给出了ncnn、tensorRT、openvino、onnxruntime实现，简直是无 比 良 心bù gěi huó lù！！！0x00 YOLOX目标检测懂得都懂，异常强大。贴上链接方便大家感受：https://github.com/Megvii-Base
转载
2022-10-05 15:05:54
471阅读
文章目录指标参数分析深度学习经典检测算法two-stage(两阶段)：Faster-rcnn Mask-Rcnn系列one-stage(单阶段)：YOLO系列指标分析map指标：精度：召回率：置信度IOUYOLO-V1核心思想网络架构每个数字的含义损失函数NMS(非极大值抑制)优缺点优点缺点YOLO-V2YOLO-V2-Batch NormalizationYOLO-V2-更大的分辨率YOLO-
转载
2024-04-09 14:35:48
84阅读
综述最近在研究OCR模型（包括文本检测和文本识别）在安卓端的部署，由于这里用到的算法是基于百度研发的PPOCR算法，最终需要在安卓端落地应用，部署框架使用的是ncnn框架，中间涉及模型转换和部署的问题，所以特意在此做一个记录，本文以百度开源的算法模型为初始模型主要讲一下训练模型如何转换为安卓端部署模型的问题。说到模型转换，自然会涉及原模型（推理/训练模型）、中间模型（onnx）和目标模型（ncnn
转载
2024-03-19 06:52:04
662阅读
主要任务：将mobileNet模型转换为ncnn模型
参考博客：
实现方法：
１、前提条件：下载并成功编译ncnn
（主要参考github文档：https://github.com/Tencent/ncnn/wiki/how-to-build）
install g++ cmake protobuf
转载
2024-08-22 11:43:47
143阅读
1. One Cycle学习率策略 学习率lr很大程度上影响收敛速度和泛化性能。收敛速度很好理解，对泛化性能的影响却不是很直观。 泛化性指模型经过训练后，应用到新数据并做出准确预测的能力。lr影响收敛，即模型训练不恰当(过拟合/欠拟合)，准确率P和召回率R有所下降，影响模型的输出，即模型泛化性能差。 话回lr，相比于固定学习率，周期性学习率策略被证明是更有效的训练方式，如fastai中的one
第二章-可行性研究掌握可行性研究的任务、内容及具体步骤。掌握成本估计方法（功能点FP方法、代码行技术估算法、任务分解技术、COCOMO估算模型、Putnam估算模型）。掌握效益分析方法中投资回收率、回收期、纯收入等基本概念。1、可行性研究的任务可行性研究的目的不是解决问题，而是确定问题是否值得去解决。可行性研究的实质：一次大大压缩简化了的系统分析和设计的过程，也就是在较高层次上以较抽象的方式进行的
目录一、下载yolov5源码和模型二、导出onnx模型三、配置ncnn并生成param和binncnn环境搭建:记住生成的param和bin的名字编辑param文件设置动态尺寸推理记住permute三个值然后用ncnn的ncnnoptimize工具优化一下param和bin：四、调整yolov5.cpp源码并重新编译ncnn得到最新的yolov5执行程序第一个改动(上边说到的第一个对应起来)：&n
转载
2024-07-01 16:36:45
390阅读
摘要复杂度的检测模型虽然可以取得SOTA的精度，但它们往往难以直接落地应用。模型压缩方法帮助模型在效率和精度之间进行折中。知识蒸馏是模型压缩的一种有效手段，它的核心思想是迫使轻量级的学生模型去学习教师模型提取到的知识，从而提高学生模型的性能。已有的知识蒸馏方法可以分别为三大类：基于特征的（feature-based，例如VID、NST、FitNets、fine-grained feature im
前言1.ubuntu环境 安装opencv4 2.安装g++，cmake，protobuf 3.安装并测试ncnn 4.cmake编译ncnn项目 5.qt编译器内编译ncnn项目正文因为ncnn库依赖 opencv 和 protobuf 因此你需要先配置好依赖环境再编译ncnn。一、ubuntu环境 安装opencv4方法1：如果你不需要指定opencv的版本 ，可以通过指令sudo apt i
大白话讲MTCNNMTCNN图像金字塔P-netR-netO-net MTCNN它是2016年中国科学院深圳研究院提出的用于人脸检测任务的多任务神经网络模型，该模型主要采用了三个级联的网络，采用候选框加分类器的思想，进行快速高效的人脸检测。这三个级联的网络分别是快速生成候选窗口的P-Net、进行高精度候选窗口过滤选择的R-Net和生成最终边界框与人脸关键点的O-Net。和很多处理图像问题的卷积神
什么是语言模型呢？简单的说，统计语言模型是用来计算句子中某种语言模式出现概率的统计模型。一般自然语言的统计单位是句子，所以也可以看做句子的概率模型。假设W=(w1,w2,....,wn)为一个句子，这个句子有n个词，也就是n个词汇按顺序构成的字符序列，这里表示为W1n,利用贝叶斯公式进行链式分解，w1,w1,....wn的联合概率为：  
转载
2024-07-14 17:09:37
61阅读
YOLOX Deployment ONNX export and an ONNXRuntime YOLOX （pytorch）模型 export ONNX 运行推理
原创
2023-05-29 09:28:53
659阅读
