摘要：
ffmpeg -i input.mp4 -vf "select='eq(pict_type\,I)'" -vsync vfr output_%03d.jpg 这个命令将从输入视频文件（input.mp4）中提取关键帧，并将它们保存为输出文件序列（output_001.jpg，output_002.j 阅读全文
posted @ 2023-07-11 15:26
海_纳百川
阅读(2910)
评论(0)
推荐(0)
摘要：
假设文件夹input中有很多视频，视频的后缀为mpeg，将视频关键帧数量小于10的视频拷贝到文件夹ouput中 for i in input/*.mpeg;do ffprobe -select_streams v -show_frames -v quiet -print_format json=co 阅读全文
posted @ 2023-07-10 14:52
海_纳百川
阅读(40)
评论(0)
推荐(0)
摘要：
首先偏移量的公式为： 这些偏移量的范围都是0-1，所以采用BCE来计算坐标定位损失 中心点的偏移decode为公式1和公式2，偏移值是在卷积的特征上算的，卷积特征是尺度不变的，所以预测除以宽高后的偏移比例，该比例为与尺度无关的值 宽高的尺寸缩放比例decode为公式3和公式4，跟中心点偏移一样，缩放 阅读全文
posted @ 2023-07-10 09:40
海_纳百川
阅读(538)
评论(1)
推荐(0)
摘要：
刚开始麦克风插入的是usb2接口有这样的问题，录音结束以后出现滋滋的电流声。后来换到usb3.0接口后就好了，看样子应该是usb2.0数据传输速率慢导致的 阅读全文
posted @ 2023-07-08 10:09
海_纳百川
阅读(222)
评论(0)
推荐(0)
摘要：
yolov5——训练策略 前言 1. 训练预热——Warmup 1.1 what是Warmup 1.2 why用Warmup 1.3 常见Warmup类型 1.4 yolov5中的Warmup 2. 自动调整锚定框——Autoanchor 2.1 what是anchor 2.2 why用anchor 阅读全文
posted @ 2023-07-07 15:13
海_纳百川
阅读(2069)
评论(0)
推荐(0)
摘要：
一、背景介绍 Focus层是在YOLOv5中被提出来的。感觉像是一种特殊的下采样的方式。 1.下采样 下采样就是一种缩小图像的手法，用来降低特征的维度并保留有效信息，一定程度上避免过拟合，都是以牺牲部分信息为代价，换取数据量的减少。下采样就是池化操作。但是池化的目的不仅如此，还需要考虑旋转、平移、伸 阅读全文
posted @ 2023-07-07 10:32
海_纳百川
阅读(1431)
评论(1)
推荐(0)
摘要：
图像任务中，传入到模型的图像尺寸往往是固定的，十万个为什么由此发问： 1 那为什么是固定的？ 模型网络中含有全连接层的时候，输入尺寸只能固定大小，因为全连接网络的输入feature尺寸是固定的。一些模型网络就不一定需要尺寸固定，比如FCN网络中全是卷积网络而没有连接网络。 yolov5比较特殊，输入 阅读全文
posted @ 2023-07-07 09:52
海_纳百川
阅读(625)
评论(0)
推荐(0)
摘要：
目录 一、SPP的应用的背景 二、SPP结构分析 三、SPPF结构分析 四、YOLOv5中SPP/SPPF结构源码解析（内含注释分析） 一、SPP的应用的背景 在卷积神经网络中我们经常看到固定输入的设计，但是如果我们输入的不能是固定尺寸的该怎么办呢？ 通常来说，我们有以下几种方法： （1）对输入进行 阅读全文
posted @ 2023-07-07 09:38
海_纳百川
阅读(1391)
评论(0)
推荐(0)
摘要：
SiLU（Swish）（YOLOv5 6.0之后） β = 1就是SiLU 优点：ReLU有无上界和有下界的特点，而Swish相比ReLU又增加了平滑和非单调的特点，这使得其在ImageNet上的效果更好。 缺点：引入了指数函数，增加了计算量. 阅读全文
posted @ 2023-07-07 08:41
海_纳百川
阅读(1517)
评论(0)
推荐(0)
摘要：
********************2023年07月06日17:13:20********************** 参考我的notability中的笔记学习更快 ***********************************分割线*************************** 阅读全文
posted @ 2023-07-06 17:14
海_纳百川
阅读(160)
评论(0)
推荐(0)
浙公网安备 33010602011771号