注意源码提供上面对应环境的dll，只需要安装上面一样cuda+cudnn和tensorrt版本即可正常运行。如果您不安装一样版本不能正常运行。此时需要重新编译TensorRtExtern.dll，此外由于tensorrt依赖硬件不一样电脑可能无法共用tensorrt模型，所以必须要重新转换onnx模型到engine才可以运行。tensorrt依赖不同硬件需要自己从onnx转换tensorrt，转换

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。重要说明：数据集有增强，目测超过一半都是增强的图片。图片数量(jpg文件个数)：4107。标注数量(xml文件个数)：4107。标注数量(txt文件个数)：4

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:["person","car","bicycle","othervehicle","dontcare"]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：2866。标

speed limit 100（限速100）框数 = 365 占有图片数 = 360。speed limit 120（限速120）框数 = 356 占有图片数 = 342。speed limit 20（限速20）框数 = 387 占有图片数 = 380。speed limit 30（限速30）框数 = 434 占有图片数 = 428。speed limit 40（限速40）框数 = 343 占有图

标注类别名称:["chanche","wajueji","car","yaluji","dazhuangji","dianliqiangxiuche","diaoche","zhongxingkache","tuituche","zixieche","jiaobanche","qingzhangche","youguanche","sashuiche","shoufu","tuolaji"]特别声

整体而言，该数据集集合规模庞大、类别多样、场景丰富，且标注格式统一，为无人机视觉技术在遥感、安防、巡检、农业、环保等行业的算法研发、模型训练与性能评估提供了坚实的数据基础，具有极高的科研与实用价值。中，包含滑坡、洪水、火灾烟雾、河道垃圾、违规建筑等应急场景的检测与分割数据，同时提供了溺水人员、海上救援、军事目标等特殊任务的专项数据集。方面，包含田地、道路、森林、水体等地理要素的分割数据集，以及作物

项目地址：https://github.com/zhixuhao/unet测试环境：ubuntu18.04cuda10.0+cudnn7.6.5anaconda3keras==2.2.5tensorflow-gpu==1.14.0第一步：准备数据集使用labelme标注数据，然后使用labelme_json-to_dataset批量转换为5个文件，类似下面这样关于怎么转化问题具体参考这个博客详细的

首先需要大家安装好VS2019或者VS2022，还有如下环境，由于安装包很多需要去官方搜索下载，需要自己安装，其中版本可以有区别，但是如果快速复现这个项目，最好安装位一致版本这样更快复现出项目。之后我们开始转换onnx模型到tensorrt模型，执行命令。最近yolo26正式发布了，标志着目标检测又多了一个检测利器，于是尝试在windows下部署yolo26的tensorrt模型，并最终成功。然后

最近研究了下CRNN各种pytorch版本，发现里面一大半都是训练有问题，典型问题就是Loss训练几个epoch就变成nan，这样项目在github上有很多，我使用的是pytorch==1.7.0版本，之后发现一个很好解决方法。像网上说什么改学习率，梯度裁剪等等一堆都试了全部没用，偶然成功了一个项目发现为啥他就是对的，原来是CTCLoss设置问题，在高版本pytorch里面，需要在初始CTCLos

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:["break","thunderbolt","wear"]图片数量(jpg文件个数)：1800。标注数量(xml文件个数)：1800。标注数量