AI计算机视觉笔记三十二：LPRNet车牌识别
一、介绍 LPRNet的Pytorch实现，一种高性能和轻量级的车牌识别框架。完全适用于中国车牌识别（Chinese License Plate Recognition）及国外车牌识别！目前仅支持同时识别蓝牌和绿牌，即新能源车牌等中国车牌，但可通过扩展训练数据或微调支持其他类型车牌及提高识别准确率！ 该网络的特点： 1、不需要对字符进行预分割，是一个端到端的轻量化字符识别模型，速度快，精度...
AI计算机视觉笔记三十一：基于UNetMultiLane的多车道线等识别
UNetMultiLane 多车道线、车道线类型识别。 数据是基于开源数据集 VIL100。其中数据标注了所在的六个车道的车道线和车道线的类型。 8条车道线（六个车道），对应的顺序是：7,5,3,1,2,4,6,8。其中1,2对应的自车所在的车道，从左往右标记。 车道线的类别（10个类别）：单条白色实线、单条白色虚线、单条黄色实线、单条黄色虚线、双条白色实线、双条黄色实线、双条黄色虚线、双...
AI计算机视觉笔记三十：yolov8_obb旋转框训练
一、训练 1、环境搭建 使用的是AUTODL环境，yolov8-obb数据集不大，也可以使用cpu。 2、创建虚拟环境 # 创建虚拟环境 conda create -n yolov8_env python=3.8 # 初始化 source activate # 激活 conda activate yolov8_env 3、下载yolov8源码 https://github.com/u...
AI计算机视觉笔记二十 九：yolov10竹签模型，自动数竹签
若该文为原创文章，转载请注明原文出处。 原本是为部署RK3568而先熟悉yolov10流程的，采用自己的数据集，网上很多，检测竹签，并计数。 1、环境搭建 1.1 官方下载源码 官网地址：YOLOv10 gitbub官网源码利用魔法进入GitHub官网之后点击下载源码压缩包(这里针对小白使用download，当然也可以使用git clone命令) 1.2 配置环境 使用的是AutoD...
AI计算机视觉笔记二十 八：基于YOLOv8实例分割的DeepSORT多目标跟踪
若该文为原创文章，转载请注明原文出处。 前面提及目标跟踪使用的方法有很多，更多的是Deepsort方法。 本篇博客记录YOLOv8的实例分割+deepsort视觉跟踪算法。结合YOLOv8的目标检测分割和deepsort的特征跟踪，该算法在复杂环境下确保了目标的准确与稳定跟踪。在计算机视觉中，这种跟踪技术在安全监控、无人驾驶等领域有着广泛应用。 源码地址：GitHub - Muhammad...
AI计算机视觉笔记二十七：YOLOV8实现目标追踪
主要是学习一下实现目标追踪的原理，并测试一下效果。 目的是通过YOLOV8实现人员检测，并实现人员追踪，没个人员给分配一个ID，实现追踪的效果。 也可以统计人数。在小区办公楼的出入场所，这类很常见。 一、简介 追踪任务是指识别和跟踪特定目标在视频序列中的运动和位置，一般用唯一ID或固定颜色检测框表示），如下图：目标检测和目标跟踪的区别：目标检测:目标检测任务要求同时完成对象的定位（即确定...
AI计算机视觉笔记二十六：YOLOV8自训练关键点检测
记录学习YOLOV8过程，自训练关键点检测模型。 清华源：-i https://mirror.baidu.com/pypi/simple 1、yolov8安装 git clone https://github.com/ultralytics/ultralytics cd ultralytics pip install -e . 安装成功后，使用命令 yolo 简单看下版本 (y...
AI计算机视觉笔记二十五：ResNet50训练部署教程
ResNet50训练主要还是想部署到RK3568开发板上，先记录下训练和转成ONNX模型过程。 一、 Resnet50简介 ResNet50网络是2015年由微软实验室的何恺明提出，获得ILSVRC2015图像分类竞赛第一名。在ResNet网络提出之前，传统的卷积神经网络都是将一系列的卷积层和池化层堆叠得到的，但当网络堆叠到一定深度时，就会出现退化问题。 残差网络的特点是容易优化，并且...
AI计算机视觉笔记二十四：YOLOP 训练+测试+模型评估
通过正点原子的ATK-3568了解到了YOLOP，这里记录下训练及测试及在onnxruntime部署的过程。 步骤：训练->测试->转成onnx->onnxruntime部署测试 一、前言 YOLOP是华中科技大学研究团队在2021年开源的研究成果，其将目标检测/可行驶区域分割和车道线检测三大视觉任务同时放在一起处理，并且在Jetson TX2开发板子上能够达到23FPS...
AI计算机视觉笔记二十三：PP-Humanseg训练及onnxruntime部署
关于PP-Humanseg是在正点原子的3568开发板AI测试例子里看到的，目的也是想自己训练并部署，这里记录一下训练和在onnxruntime部署运行的全过程，会转成ONNX，至于部署到rk3568上，会在另一篇文章説明ONNX转成RKNN并部署到RK3568. 一、训练模型 一、介绍 本文将PaddleSeg的人像分割（PP-HumanSeg）模型导出为onnx，并使用onnxrunt...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
计算机视觉