作者 | Kissrabbit 编辑 | 汽车人本章将讲解如何将torch训练好的权重文件转换为ONNX文件，并如何部署回到OpenVINO、TensorRT等框架下。笔者将以自己的FreeYOLO项目为例，来完成本章的内容讲解，相关代码如下：https://github.com/yjh0410/FreeYOLO什么是FreeYOLO？这是笔者的
目录1，滑动窗口技术 2，什么是全连接层3.什么是RCNN4，yolo的算法原理5，yolo的结构及原理 6，YOLO的损失函数7，训练时的参数设置8，yolo的优缺点9，和双阶段网络的对比1，滑动窗口技术 在 W×H 的图像中，按一定规律移动 w×h 的窗口(W>>w， H>>h)，对窗口内像素点的像素值进行一系列
文章目录深度学习 — yolov5 自定义数据集训练一、简介二、自定义数据集训练(一) VOC格式数据集1. 准备数据集2. 划分数据集3. 处理标注结果4. 构建数据集配置文件5. 自定义模型配置文件6. 修改训练参数7. 开始训练8. 性能评估(二) coco数据集三、训练结果解析参考资料 转载请备注原文出处，谢谢：深度学习 — yolov5 自定义数据集训练一、简介本文介绍如何在自己的数据
一、解决什么问题？二、怎么解决的？1.基本的思想？1.端到端的训练和实时检测。2.YOLO将输入图像划分为S*S个网络，如果一个物体的中心落在某个网格内，则相应网格负责检测该物体。3.在训练和测试时，每个网络预测B个bboxs，每个bbox对应5个预测参数，即bbox中心点坐标（x,y），宽高（w,h），和置信度评分。4.将物体检测任务看成是一个回归问题来处理，直接通过整张图片的所有像素得到bbo
一、准备个人数据集、训练、测试1.在darknet目录下创建myData文件夹，目录结构如下，将labelimg工具标注好的图片和xml文件放到对应目录下:myData …JPEGImages#存放图像 …Annotations#存放图像对应的xml文件 …ImageSets/Main # 存放训练/验证图像的名字（格式如 000001.jpg或者000001），里面包括train.txt。这里给
转载
2024-08-07 21:47:30
1672阅读
# 使用 Python 学习 YOLO 目标检测
在计算机视觉领域，YOLO（You Only Look Once）是一个高效且流行的目标检测算法。通过将目标检测任务简化为一个回归问题，YOLO 可以在一张图片中同时识别多个对象并标注其位置。接下来，我们将使用 Python 进行 YOLO 的学习和实践，帮助你更好地理解这一算法。
## YOLO 的基本概念
YOLO 将图像划分为一个网格，
在此之前需要首先安装pycocotools，网上很多人说直接sudo pip install安装不了，要去git上下载coco的api然后编译python的接口，然而我按照这样的方式出现问题了。最后确实是先安装cython然后通过sudo pip install pycocotools这种方式安装好的（对了，听说win不支持，然而我也没有试过所以不知道），这里大家可以自行查阅一下pycocotoo
因公司业务要求，需要增加Mysql数据库数量，所以需要把数据重新从老的数据库根据分库规则分布到不同Mysql数据库中。本来可以使用ETL工具的，but，公司VM太破不支持呀。嗯，正好最近学了点python，就拿它练练手吧。功能：1、多对多数据迁移 2、断点续传（从哪里跌倒，就从哪里爬起来） &
转载
2023-08-04 13:17:28
100阅读
# 迁移学习 Python 入门指南
迁移学习是一种利用已训练的模型作为起点，来改进新项目或任务的机器学习技术。尤其在缺乏数据的情况下，非常有效。本指南将引导你通过迁移学习的步骤，并提供代码示例。
## 迁移学习流程
下面是迁移学习的基本流程：
| 步骤 | 描述 |
|------|------|
| 1 | 选择预训练模型 |
| 2 | 准备数据 |
| 3 | 修改
原创
2024-10-06 03:38:52
135阅读
# Python迁移学习指南
迁移学习是一种广泛应用于深度学习的技巧，它可以让我们在不同但相关的任务中利用已经训练好的模型，节省训练时间并提高模型性能。本指南的目的是帮助刚入行的小白理解迁移学习的整体流程，并提供详细的代码示例。
## 迁移学习的整体流程
下面是迁移学习的基本步骤：
```mermaid
flowchart TD
A[准备数据集] --> B[选择预训练模型]
实际中，基本没有人会从零开始（随机初始化）训练一个完整的卷积网络，因为相对于网络，很难得到一个足够大的数据集[网络很深, 需要足够大数据集]。通常的做法是在一个很大的数据集上进行预训练得到卷积网络ConvNet, 然后将这个ConvNet的参数作为目标任务的初始化参数或者固定这些参数。转移学习的两个主要场景：微调Convnet：使用预训练的网络(如在imagenet 1000上训练而来的网络)来初
转载
2023-12-07 06:57:49
71阅读
python虚拟环境迁移：注意事项：直接将虚拟环境复制到另一台机器，直接执行是会有问题的。那么可以采用以下办法：思路：将机器1虚拟环境下的包信息打包，之后到机器2上进行安装；(有两种情况要考虑，机器2无网络和有网络情况(无网，证明无法在线安装包，那么就需要在机器1将包，整体打包成.whl,然后到机器2安装；有网情况，只需将导信息导出，然后到机器2上在线安装))机器1：1.首先在cmd命令行下，激活
转载
2023-09-01 21:51:24
104阅读
“You Only Look Once”或“YOLO”是一个对象检测算法的名字，这是Redmon等人在2016年的一篇研究论文中命名的。YOLO实现了自动驾驶汽车等前沿技术中使用的实时对象检测。让我们看看是什么使该算法如此受欢迎，并概述其工作原理。 对象检测示例 背景实时的重要性人们看到图像以后，可以立即识别其中的对象、它们的位置和相对位置。这使得我们能够在几乎无意识的情况下完成复杂的任
转载
2023-11-09 22:38:03
167阅读
“终有一天，人工智能会像我们看待非洲平原上低级生物的化石一样看待我们。在人工智能眼中，人类只是直立行走的猿猴，用着粗糙的语言和简陋的工具，从诞生起就注定会灭绝。”——电影《机械姬》机器学习是人工智能中一个流行的子领域，其涉及的领域非常广泛。流行的原因之一是在其策略下有一个由复杂的算法、技术和方法论组成的综合工具箱。
原创
2022-04-20 22:17:05
869阅读
YOLO（You Only Look Once）是一种快速且高效的目标检测算法，广泛应用于计算机视觉领域。它通过将目标检测作为回归问题来处理，从而实现实时目标检测。这篇博文将详细记录如何解决YOLO深度学习中的问题，涵盖技术原理、架构解析、源码分析、性能优化和应用场景等方面。
## 背景描述
在计算机视觉中，实时目标检测是一个重要的研究方向。YOLO通过将整张图像划分为网格，并对每个网格进行物
深度学习在一些传统方法难以处理的领域有了很大的进展。这种成功是由于改变了传统机器学习的几个出发点，使其在应用于非结构化数据时性能很好。如今深度学习模型可以玩游戏，检测癌症，和人类交谈，自动驾驶。深度学习变得强大的同时也需要很大的代价。进行深度学习需要大量的数据、昂贵的硬件、甚至更昂贵的精英工程人才。在Cloudera Fast Forward实验室，我们对能解决这些问题的创新特别兴奋。我们最新的研
最近对迁移学习比较感兴趣，连续读了几篇和迁移学习相关的文章。本次博客首先来总结几篇迁移学习在NLP领域的应用。NIPS（美国高级研究计划局）2005年给迁移学习一个比价有代表性的解释：transfer learning emphasizes the transfer of knowledge across domains, tasks, and distributions that are sim
前言因为要完成毕业论文，所以最近正在学习计算机视觉，如果大家有什么问题，都可以跟我沟通交流。除
原创
2022-10-11 17:20:13
185阅读
迁移学习和微调的区别1.举例说明当我们遇到一个新任务需要解决时，迁移学习和微调可以帮助我们更快地学习和完成这个任务。迁移学习就像是我们已经学会了一些与目标任务相关的知识，然后我们可以将这些知识应用到新任务中。 类比一下，就好像我们之前学会了画猫的技巧，现在我们要画一只狗，我们可以借用之前学到的知识和技巧，来更好地画出这只狗。微调是迁移学习的一种具体方法，它的思路是利用已经训练好的模型来帮助我们完成
转载
2024-04-12 06:14:01
159阅读
# 使用Python Keras实现迁移学习：深入了解Inception模型
在当前的深度学习领域，迁移学习是一种非常有效的方法。借助迁移学习，开发者可以在一个任务上训练模型，然后将其应用于另一个相关任务，而不需要从头开始训练。本文将详细介绍如何使用Keras框架实现基于Inception模型的迁移学习。
## 迁移学习流程
以下是实施迁移学习的基本步骤：
| 步骤 |
