摘要：
Windows 窗体应用可以使用一些现成的C#类库实现yolov8的predict功能, 本文使用https://github.com/dme-compunet/YoloV8 项目的nuget包, 最新版是 https://github.com/dme-compunet/YoloSharp. 集成方 阅读全文
posted @ 2024-02-17 19:11
harrychinese
阅读(9716)
评论(1)
推荐(4)
摘要：
https://learnopencv.com/train-yolo-nas-on-custom-dataset/ https://learnopencv.com/yolo-nas/ https://docs.deci.ai/super-gradients/latest/documentation/ 阅读全文
posted @ 2024-02-16 21:03
harrychinese
阅读(124)
评论(0)
推荐(0)
摘要：
tensorboard 功能 Yolov8源码已经集成了很多个metrics监控系统, 源码位置: ultralytics\utils\callbacks\, 包括 wandb、 tensorboard、 clearml 等等. 和其他系统相比, tensorboard 功能较弱. yolov8 自 阅读全文
posted @ 2024-02-15 23:12
harrychinese
阅读(661)
评论(0)
推荐(0)
摘要：
参考文档: https://docs.ultralytics.com/modes/predict/#working-with-results https://zhuanlan.zhihu.com/p/655162922 https://thinkinfi.com/motorcycle-helmet- 阅读全文
posted @ 2024-02-15 13:50
harrychinese
阅读(534)
评论(0)
推荐(0)
摘要：
本文内容基本摘抄自公众号文章: 小目标检测问题分析和优化思路 小目标检测面临的挑战: 可用特征少 定位精度要求高 数据集中的小目标数量占比少 小目标标注面积占比小 样本不均匀问题 小目标聚集问题 网络结构问题 优化思路1: 数据增强 数据增强是一个提升检测性能简单有效方法, 我们可以使用数据增强方法 阅读全文
posted @ 2024-02-14 18:48
harrychinese
阅读(1851)
评论(0)
推荐(0)
摘要：
我自己找的文章 理解yaml模型文件: https://blog.csdn.net/qq1198768105/article/details/125848134 https://blog.csdn.net/qq_42452134/category_12534068.html https://zhua 阅读全文
posted @ 2024-02-14 16:51
harrychinese
阅读(93)
评论(0)
推荐(0)
摘要：
Wandb 概述 WandB 即 Weigtht and Bias的缩写, 是深度学习中经常使用的metrics记录工具, 功能比TensorBoard强大, 主要功能有: 它可以记录每次训练的版本信息, 包括超参、tag、project 等 自动上传云端，方便将多台机器的实验做对比分析 强大的表格 阅读全文
posted @ 2024-02-06 23:07
harrychinese
阅读(1104)
评论(0)
推荐(0)
摘要：
测试场景 我的电脑没有GPU, 想着增加内存多少会提升一下深度学习的速度, 实践证明, 增加内存并不能提升速度, 连一星点效果都没有, 原因也简单, 瓶颈在CPU上而不是内存. 如果手上没有GPU的电脑, 还是直接在算力平台上租用靠谱. 测试结果如下: 内存 batch 内存使用率 5 epoch耗 阅读全文
posted @ 2024-02-03 16:07
harrychinese
阅读(32)
评论(0)
推荐(0)
摘要：
笔记本 惠普（HP） 暗影精灵9PLUS 高能版暗影精灵8 17.3英寸 高端电竞游戏本笔记本电脑 i7HX RTX3080Ti-16G 2.5K 高刷新 超竞屏 https://item.jd.com/10094836524883.html 人民币: 11999.00 英特尔® 酷睿™ i7-12 阅读全文
posted @ 2024-01-21 21:32
harrychinese
阅读(321)
评论(0)
推荐(0)
摘要：
模型可视化 netron网站 netron源码 yolov8 模型文件下载 https://github.com/ultralytics/assets/releases/ yolo官方针对几个流行数据集的转换工具 在yaml文件中包含处理脚本 yolov5: https://github.com/u 阅读全文
posted @ 2024-01-18 21:54
harrychinese
阅读(266)
评论(0)
推荐(0)
摘要：
大小目标的分类 小目标, 尺寸32*32以下, 或者长宽比超过20 大目标, 尺寸96*96以上 中目标, 介于大小目标之间的尺寸 被检查物size如果小于 15 * 15 , 效果可能很差, 如要检测小物体最好搭配 yolov8 P2模型. 另外也可以搭配 SAHI 库进行tile平铺推理, 或者 阅读全文
posted @ 2024-01-18 21:03
harrychinese
阅读(3714)
评论(1)
推荐(0)
摘要：
train/val/test 的关系 纯训练命令行参数 mode=train val=False model=yolov8n.pt 训练+val命令行参数 mode=train val=True model=yolov8n.pt 验证预训练模型的命令行参数 mode=val split=val mo 阅读全文
posted @ 2024-01-14 17:58
harrychinese
阅读(1333)
评论(1)
推荐(0)
摘要：
理解权重和偏置是什么 全连接层: 输出=f(输入*权重+偏置), 权重是这个线性函数的一次性系数, 偏置是常数项. 卷积层: 输出=权重卷积核和输入做卷积运算, 这里的权重是卷积核的各个元素, 卷积核也经常被叫做过滤器filter或kernel. 传统的图像处理, 图像滤波器算子需要人工指定, 比如 阅读全文
posted @ 2024-01-14 17:57
harrychinese
阅读(2274)
评论(0)
推荐(0)
摘要：
准备 data.yaml 文件 从roboflow 上下载 CS 游戏数据集, 因为只有CPU, 我对数据集做了瘦身, train: 689张, val: 23张, test:40张. https://universe.roboflow.com/roboflow-100/csgo-videogame 阅读全文
posted @ 2024-01-14 17:03
harrychinese
阅读(507)
评论(0)
推荐(0)
摘要：
创建python 环境 参考 https://zhuanlan.zhihu.com/p/570822583 下载并安装 miniconda 安装包, 注意miniconda和 python 版本对应关系, 不要选择python最新的版本, 以免yolo或pytorch不能兼容最新版python. 这 阅读全文
posted @ 2024-01-13 13:54
harrychinese
阅读(736)
评论(0)
推荐(0)
摘要：
数据集 开放数据集介绍: https://zhuanlan.zhihu.com/p/35399323 roboflow 资源网站, 主要是CV: https://www.rf100.org/ https://universe.roboflow.com/search?q=model:yolov8 pc 阅读全文
posted @ 2023-12-31 21:08
harrychinese
阅读(214)
评论(0)
推荐(0)
摘要：
Nerdle.AutoConfig 是什么 .Net Framework 使用 app.config XML文件作为默认的配置文件, visual studio也提供很方便的配置管理功能, 甚至可以自动将配置项映射到 Settings 类, 但这仅限于简单的数据类型, 比如 string/int 等 阅读全文
posted @ 2023-12-24 19:30
harrychinese
阅读(76)
评论(0)
推荐(0)
摘要：
软件清单 传统OpenCV图像处理一般不需要进行数据training, 目前流行的神经网络的图像处理都需要基于数据进行训练, 首先要对图像数据打标签, 有几个常用的Label标注软件: labelimg: 只能使用矩形圈出对象 labelme: 支持使用多边形来圈出对象 anylabeling: 除 阅读全文
posted @ 2023-12-18 21:19
harrychinese
阅读(602)
评论(0)
推荐(0)
摘要：
CV的四大任务 图像分类(image classification), 检查图像中是否包含某种物体, 或者包含哪些物体. 目标检测(Object detection 或 Object localization), 确定目标的位置和类别, 用bounding box圈出具体的位置 语义分割 (sema 阅读全文
posted @ 2023-12-18 20:40
harrychinese
阅读(217)
评论(0)
推荐(0)
摘要：
形态学处理 形态学处理之前需要将图像进行二值化处理, 然后我们需要设定一个卷积核, 最后将像素上每个点都完成卷积计算. 形态学很多高级处理的基础, 有很多作用: 消除毛刺、填充空隙、检测边缘，检查拐角（使用十字形卷积核） 腐蚀 Erode 腐蚀作用和膨胀相反, 用来腐蚀减小白色区域, 常用来消除一些 阅读全文
posted @ 2023-12-02 21:49
harrychinese
阅读(144)
评论(0)
推荐(0)
摘要：
最常用的方式是: Cv2.ImRead() 可以将位图文件转成Mat数据格式 Cv2.ImWrite() 可以将Mat数据格式保存到位图文件. 不通过读写文件作为转换介质的方法: private void testMatToPicture() { var mat = Cv2.ImRead("D:\\ 阅读全文
posted @ 2023-11-29 16:55
harrychinese
阅读(2430)
评论(0)
推荐(0)
摘要：
卷积运算和卷积核 图像运算中经常会碰到卷积运算这个讲法, 初看不知道具体含义, 其实非常简单, 工作原理如下: 首先提供一个小的矩阵, 一般是3*3, 或者是 5*5 或者是 7*7, 一般是方形矩阵, 维度为奇数, 这样中心点可以作为锚点, 矩阵中的元素取值多为很小的整数(或正或负或零), 该矩阵 阅读全文
posted @ 2023-11-18 22:11
harrychinese
阅读(206)
评论(0)
推荐(0)
摘要：
直方图可以反映图片的整体统计信息, 使用函数 CalcHist() 实现. 但CalcHist() 统计出的数量信息和图像大小相关, 如果要剔除图像大小因素, 需要做归一化处理, 归一化处理后的信息, 反映出各个颜色值得占比情况, 这样更方便不同size图像做对比, 归一化的函数为 Normaliz 阅读全文
posted @ 2023-11-07 07:36
harrychinese
阅读(260)
评论(0)
推荐(0)
摘要：
Mat构造函数中有两组函数传参特别容易传错, 分别是: public Mat(int rows, int cols, MatType type) public Mat(OpenCvSharp.Size size, MatType type) 稍不注意, 我们会认为下面两个mat尺寸相等, var m 阅读全文
posted @ 2023-11-06 21:59
harrychinese
阅读(120)
评论(0)
推荐(0)
摘要：
窗体上选择感兴趣ROI区域 在计算机视觉处理中, 通常是针对图像中的一个特定区域进行处理, 有时候这个特定区域需要人来选择, OpenCV 也提供了窗口选择ROI机制. 窗体支持两种选择ROI区域的方法, 一个是单选, 一个是多选, 操作方法如下: 单选: 通过鼠标在屏幕上选择区域, 然后通过"空格 阅读全文
posted @ 2023-11-05 20:53
harrychinese
阅读(265)
评论(0)
推荐(0)
摘要：
图像复制 共享数据, 使用 new Mat(srcMat, ...) 和 newMat=srcMat 生成新的Mat都和原Mat共享数据, 也就是说如果修改某一Mat,其他Mat也会随之改变 复制全新的Mat, 使用CopyTo() 和 Clone() 方法将生成一个全新的Mat, 新Mat和原Ma 阅读全文
posted @ 2023-11-05 19:47
harrychinese
阅读(269)
评论(0)
推荐(0)
摘要：
PutText() 输出文本 OpenCV5 将支持中文字符的输出, 当前版本OpenCV4原生不支持, 可以使用Contrib包+FreeType方式实现, 不过比较麻烦. 为了省事, 也可以通过将Mat转成bitmap,然后使用GDI方式输出中文字符. 示例代码 /// <summary> // 阅读全文
posted @ 2023-11-05 18:17
harrychinese
阅读(277)
评论(0)
推荐(0)
摘要：
图像读取 ImRead() 函数可从文件中读取图像, 并生成一个Mat对象, ImRead() 函数支持绝大多数图像格式. 注意点: 读取后生成的Mat对象, 颜色空间为BGR, 第二参数为读取方式, 常用的方式有: . ImreadModes.Color: 彩色方式读取, 即使原图是4通道或者单通 阅读全文
posted @ 2023-11-04 16:35
harrychinese
阅读(209)
评论(0)
推荐(0)
摘要：
channel 和 depth 理解 Channel 是颜色的维度数量, 比如 BGR 的channel为3, BGRA则为4. depth 为单通道的颜色的精度, 比如CV_8U 的 depth为8位, 在OpenCV中, 8位为对应的depth取值为0, 下面是depth取值的枚举: CV_8U 阅读全文
posted @ 2023-11-04 11:23
harrychinese
阅读(111)
评论(0)
推荐(0)
摘要：
OpenCV C#库, 选择 OpenCVSharp 库, 主要3个库: OpenCvSharp4 :基础类型库 OpenCvSharp4.runtime.win : Windows 下的实现库 OpenCvSharp4.Extensions :一些扩展类库, 比如 BitmapConverter 阅读全文
posted @ 2023-10-26 20:09
harrychinese
阅读(117)
评论(0)
推荐(0)
摘要：
FINS 模拟器(我都没有测试成功) https://github.com/kowiste/FINSServer https://github.com/l1va/gofins/ https://github.com/ahmadfarisfs/fins_simulator_omron Omron FI 阅读全文
posted @ 2023-10-16 20:51
harrychinese
阅读(890)
评论(0)
推荐(0)
摘要：
十一假期里将蓝牙音箱改造成一个智能音箱, 参考了网上的实现方法, 后台的大语言模型使用的是百度的文心一言. 账号 Picovoice 唤醒词服务 https://console.picovoice.ai/ 我绑定了github账号. 访问https://picovoice.ai/，注册账号，然后进入 阅读全文
posted @ 2023-10-03 18:41
harrychinese
阅读(962)
评论(1)
推荐(0)
摘要：
网上有很多将Winform窗体缩到 System tray的示例, 但多数不好用. 这里是一个简单示例, 使用了Visual studio自带的 NotifyIcon 控件和一个快捷菜单 contextMenuStrip控件. 增加一个 contextMenuStrip 控件, 新增两个菜单项: 显 阅读全文
posted @ 2023-09-22 21:00
harrychinese
阅读(83)
评论(0)
推荐(0)
摘要：
教程: https://www.bilibili.com/read/cv23650505/ 软件下载 https://www.123pan.com/s/fACrVv-rsf93.html 提取码:c1It 阅读全文
posted @ 2023-09-17 20:02
harrychinese
阅读(644)
评论(0)
推荐(0)
摘要：
组件 Nancy.Hosting.Self.dll Nancy.dll Newtonsoft.Json.dll Nancy 的两个库应该选用v1的最后版本号, 不要使用v2版, v2版架构有较大变化但文档又不完善, 而且已经停止开发. Nancy.Hosting.Self 库可以帮助我们在conso 阅读全文
posted @ 2023-09-14 21:38
harrychinese
阅读(338)
评论(0)
推荐(0)
摘要：
github 已经要求进行2FA验证, 否则过期不能提交代码, github手机短信验证不支持中国号码, 我按照下面文章介绍使用的是 Chrome 插件. https://zhuanlan.zhihu.com/p/615693483 Chrome插件 如果你不想用Python来自己计算，也可以使用一 阅读全文
posted @ 2023-09-03 09:17
harrychinese
阅读(337)
评论(0)
推荐(0)
摘要：
### 陆国君 > 很不错, 这本书网上有两个版本 556页是新的版本, 423页是老的版本, 不过内容差异不大.  4 阅读全文
posted @ 2023-08-20 20:04
harrychinese
阅读(223)
评论(0)
推荐(0)
摘要：
### vb6的dictionary类 vb6 原生容器, 除了array还有collection, 没有原生的dictionary和set类, 在microsoft script runtime库(scrrun.dll) 中有一个dictionary类, 功能还算强大, 可以较好处理key-val 阅读全文
posted @ 2023-08-10 21:33
harrychinese
阅读(241)
评论(0)
推荐(0)
浙公网安备 33010602011771号