一、前言       首先，简单谈谈为什么要采用无人值守网络安装linux操作系统。一方面是运维管理的需要，因各种需要，安装操作系统在实验室内时有发生，有时候更出现批量安装某一型号操作系统的情形，这时候如果用光盘挨个安装将变得异常繁琐，并且需要人工值守。此外，因操作系统种类较多(主要是针对linux)，内部人员使用频繁，也会带来管理上的问题。另一方面是当前MPX项目开发的需要，为打造一个精简、

早在yolov2时就了解到不同于faster-rcnn中手动设置的anchor，yolov2中的锚点是通过k-means聚类算法得的，这样更贴合实际的训练数据。这次借学习yolov5这个机会把其中关于自动anchor计算的逻辑再理一遍，主要就是分析一下utils/autoanchor.py文件的相关函数。在看代码之前先提几个问题，在后面的分析中会给出答案。1.yolov5中k-means聚类算法具

这里我们实际推演一下yolov5训练过程中的anchor匹配策略,为了简化数据和便于理解，设定以下训练参数。输入分辨率(img-size)：608x608分类数(num_classes)：2batchsize：1网络结构如下图所示:def build_targets(pred, targets, model):"""pred:type(pred) : <class 'list'>"""

yolov5中的优化器(optimizer)将模型可学习的参数分成了三个组，分别为pg0:BN参数，pg1:一般权重(weight)参数，pg2:偏置(biase)参数，通过param_group来管理3组参数。param_group的意义在于可以针对不同的参数组量身定制学习率(lr)、衰减(weight_decay)、动量(moment)等超参数。例如在某一模型中，希望特征提取部分的权值参数的学

VLC海康SDKOpenCV软解码OpenCV CUDA 解码gstreamer

最近在做一个车牌识别的小项目，之前也没这方面的经验，我大概也就是按照一般步骤：1). 车牌检测;2).车牌校正;3).车牌文字识别这么个三步走的策略来弄。在现实场景中，检测出来的车牌通常都不是那么正规正矩，带有一定的倾斜角度。因此在识别之前要进行车牌矫正，矫正的结果直接影响车牌识别的效果。这篇文章是我在看了 开源项目HyperLPR(基于深度学习高性能中文车牌识别)中关于车牌矫正部...

#!/bin/env python# coding: utf-8import Queueimport threadingfrom contextlib import contextmanagerimport time#停止事件StopEvent = object()class ThreadPool(object):def __init__(self, max_num):...

TensorRT是由C++、CUDA、python三种语言编写成的一个库，其中核心代码为C++和CUDA，Python端作为前端与用户交互。当然，TensorRT也是支持C++前端的，如果我们追求高性能，C++前端调用TensorRT是必不可少的。导入tensorrt报错(pointpillars) zuosi@node8:~$ ipythonPython 3.6.10 |Anaconda, In

在适配pytorch版的faster-rcnn(https://github.com/jwyang/faster-rcnn.pytorch.git)项目时遇到了这个问题，项目代码是用的pytorch-1.0分支。Traceback (most recent call last):File "train_net.py", line 226, in <module>...

         Facebook AI Research 开源了 Faster R-CNN 和 Mask R-CNN 的 PyTorch 1.0 实现基准：MaskRCNN-Benchmark。相比 Detectron 和 mmdetection，MaskRCNN-Benchmark 的性能相当，并拥有更快的训练速度和更低的 GPU 内存占用，众多亮点如下。PyTorch 1.0：相当或...