背景在图像处理过程中，注意力机制对视觉信息的提取很重要，因为它涉及到算法所关注的特定部分。所以，不同的注意力机制，所关注的目标是不同的，即使，再好的神经网络，根据需要改变它的backbone，也许会得到意外的惊喜。下面就目前流行的yolov5网络，修改它的backbone做个Mark，添加的注意力机制是SE机制和MobileNet机制。总体过程1、创建新的网络模型结构文件； 2、修改models/
转载
2024-03-28 04:50:24
162阅读
文章目录前言detect.py1.输入参数2.设置文件保存路径3.加载训练好的模型权重4.数据处理5.进行推理6.yolov5里的nms总结yolov5 系列 前言 推理阶段是整个检测模型完成后，要对模型进行测试的部分。很重要的一部分，只有了解了这个部分，才能在比赛或者项目提交中很好的输出自己模型的检测结果。同时，推理输出对模型部署在不同的环境下也是十分重要的。 源码：https://gi
转载
2023-12-13 21:29:26
204阅读
Python、PyTorch、YOLOv5、backbone、ConvNeXt
原创
2023-10-07 10:46:22
669阅读
Python、PyTorch、YOLOv5、backbone、SPPCSPC
原创
精选
2023-12-01 15:26:02
884阅读
MobileNet V3 论文翻译h_sigmoid复现：common.pyclass h_sigmoid(nn.Module): def __init__(self, inplace=True): super(h_sigmoid, self).__init__() self.relu = nn...
原创
2022-05-10 09:41:51
6060阅读
点赞
Python、PyTorch、YOLOv5、backbone、ACMIX（卷积与注意力融合）
原创
精选
2023-10-12 09:52:48
676阅读
Python、PyTorch、YOLOv5、backbone、MobileOne
原创
精选
2023-12-01 15:27:07
662阅读
目录简洁概要：修改主干网络：一：添加自己主干网络二：在yolo.py中添加common中的两个函数三：制作mobilenetv2的yaml配置文件四：制作数据集VOC的yaml配置文件五：启用训练六：性能检测简洁概要：MobileNetV2主要采用了深度可分离卷积，在MobileNetv1的基础上引用了残差模块以及Relu6的激活函数，用1*n，n*1的思想代替了n*n的矩阵，计算量会更小。修改主
本课程讲述对YOLOv5进行更换骨干网（backbone；主干网）的方法，使其更加轻量或提高性能。
原创
2022-06-20 16:15:47
2321阅读
Python、PyTorch、YOLOv5、backbone、SPD-Conv
原创
2023-10-30 11:40:08
4阅读
YoloV3 源码YoloV3 源码-第二版文章目录YoloV3 架构DarkNet53 架构YoloV3 架构YoloV3 前向传播流程图YoloV3 正反向传播数据流图PIL、Numpy 和 Pytorch 基础* 和 **Tensor.repeat()PIL.Image.Image 和 Numpy.ndarrayNumpy.asarray 和 Numpy.arraytorch.as_tens
转载
2023-12-05 09:43:25
76阅读
最近在做火焰检测，需要实时检测监控视频，所以就尝试了一下通过python编写代码，将opencv和pytorch版yolov3结合起来，实现实时检测监控视频。效果如下：一、配置环境所需环境如下：Python： 3.7.4 Tensorflow- 1.14.0 Keras: 2.2.4 numpy:1.17.4我的操作系统是Ubuntu16.04，windows系统同样可以实现此算法这里建议使用an
转载
2023-11-27 01:51:12
73阅读
YOLOV5改进-Optimal Transport AssignmentOptimal Transport Assignment（OTA）是YOLOv5中的一个改进，它是一种更优的目标检测框架，可以在保证检测精度的同时，大幅提升检测速度。在传统的目标检测框架中，通常采用的是匈牙利算法（Hungarian Algorithm）进行目标与检测框的匹配。这种算法虽然能够找到最优匹配，但是在实际应用中，
（数据集所在电脑上）数据处理：1、checkfirstline.py：扫描数据集中的label文件首列数字以查看数据集采集了哪些标签类2、labelsdelete.py：在第三行list处输入所需要保留的标签，删去数据集中无用标签。3、changelabel.py：case0：将有效标签由0开始重新升序排列 &nbs
转载
2024-04-15 11:34:45
49阅读
目录1.MobileNetv2的 bottleneck 和 Pwconv实现1.1 Mobilenetv2的bottleneck:InvertedResidual1.2Pointwise Convolution实现2.搭建模型配置文件Tensorflow Lite模型部署实战教程是一系列嵌入式Linux平台上的模型部署教程。????基于的硬件平台：i.MX8MPlus EVK????BSP版本：L5.10.52_2.1.0????Tensorflow Lite版本：2.5.
原创
2021-12-31 10:44:47
930阅读
目录1.MobileNetv2的 bottleneck 和 Pwconv实现1.1 Mobilenetv2的bottleneck:InvertedResidual1.2Pointwise Convolution实现2.搭建模型配置文件Tensorflow Lite模型部署实战教程是一系列嵌入式Linux平台上的模型部署教程。
原创
2022-01-16 11:54:46
1727阅读
目录一、下载yolo5二、安装必要依赖三、安装pytorch四、打标图片制作数据集4.1 导入图片4.2 开始打标4.3 添加标签4.4 进行打标4.5 导出打标数据4.6 打标数据五、整理训练数据5.1 第一层目录5.2 第二层目录5.3 第三层目录六、创建配置文件七、训练数据八、验证数据集九、检测图片 一、下载yolo5首先下载源码：yolo5 github地址我下载的是最新版本：v6.1。
转载
2023-09-01 21:31:03
414阅读
1.引言前两篇博客已经完成了对于Yolov5算法的基本环境配置以及训练测试过程，本篇着重完成图形界面开发过程。前两篇博客链接如下：第一篇第二篇2.下载安装pyqt5工具包以及配置ui界面开发环境输入指令，进行下载。 点击File->Settings->External Tools进行工具添加，依次进行Qt Designer、PyUIC、PyRCC、Pyinstall环境配置。2.1 Q
转载
2023-10-20 22:01:19
421阅读
点赞
数据增强的13种方法：1)rectangular:在同个batch里面做rectangle宽高等比变换，加快训练（同一个batch里面拥有自己单独的宽高比）2）色调，饱和度，曝光度调整，三者调整最终得到一个综合的结果3)旋转缩放retate_scale通过一个变换矩阵进行变化变换矩阵的（0，0）（1，1）控制缩放的程度；（0，1）（1，0）控制旋转的程度，当他俩互为相反数的时候就是顶角对应平行旋转
转载
2023-09-09 19:38:45
40阅读
