首页 > TAG信息列表 > PaddleDetection

PaddleDetection

 PaddleDetection (base) bim@bim-PowerEdge-R730:~$ (base) bim@bim-PowerEdge-R730:~$ (base) bim@bim-PowerEdge-R730:~$ conda activate wind_paddle (wind_paddle) bim@bim-PowerEdge-R730:~$ (wind_paddle) bim@bim-PowerEdge-R730:~$ (wind_paddle) bim@bim-Power

PaddleDetection-MaskRcnn相关结构以及优化器

2021SC@SDUSC 首先上接Head部分 modeling/mask.py、modeling/head/mask_head.py解读： 相关配置文件： ''' Mask: #掩膜 mask_target_generator: #产生掩膜 name: MaskTargetGenerator #产生掩膜类名 mask_resolution: 28 #像素值 ''' 掩膜类： @register class Mask(ob

PaddleDetection算法分析(12)

2021SC@SDUSC 接下来分析PaddleDetection的竞赛冠军模型 CascadeCA RCNN是百度视觉技术部在Google AI Open Images 2019-Object Detction比赛中的最佳单模型，该单模型助力团队在500多参数队伍中取得第二名。Open Images Dataset V5(OIDV5)包含500个类别、173W训练图像和超过1400W

PaddleDetection搭建

安装说明 1. 安装PaddlePaddle # CUDA10.1 python -m pip install paddlepaddle-gpu==2.1.0.post101 -f https://paddlepaddle.org.cn/whl/mkl/stable.html 或 # CPU python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple 更多CUDA版本或环境快速安装

如何在AI Studio中把文件移动到另一个文件夹中？

前言 刚接触百度飞桨，在AI Studio做一个新手入门的小demo：PaddlePaddle实现对路标的目标检测。期间遇到的问题蛮多的，中途有试过想放弃，但是不甘心的我决定多试一次，秉着一定要做出来的决心去做，结果真的做出来了。知道问题出在哪里并解决了，这是一种成长。所以，我要把这种成长记录下

PaddleDetection项目的部署与分工

2021SC@SDUSC PaddleDetection 是PaddlePaddle推出的物体检测统一框架。支持现有的RCNN、SSD、YOLO等系列模型、支持 ResNet、ResNet-VD、ResNeXt、ResNeXt-VD、SENet、MobileNet、DarkNet等主干网络。针对不同的业务场景（性能、目标大小、准确率等）可以调用框架下的不同参数（或者

基于PaddleDetection的ppyolo模型转化配置到树莓派的方法（待修改）

前言： 本方案采用ppyolo模型，实际检测效率极低，并无法直接使用，但可作为paddle平台其他模型部署的简易教程，实际使用更推荐EasyDL的SDK离线部署。 前置环境： 树莓派上ubuntu18.04 server (arrch64,arm64,armv8,配置环境更方便) 步骤一：模型转化 此处假设已有一个训练好的ppyolo模型，

飞桨领航团AI达人创造营4-安卓部署全流程部署口罩目标检测模型（落地部署安卓手机）

安卓部署全流程部署口罩目标检测模型（落地部署安卓手机） 项目简介 1 该项目使用Labelimg进行数据标注，自定义数据集； 2 使用Paddlex将数据集划分为训练集、测试集； 3 使用PaddleDetection目标检测套件训练模型； 4 最后导出模型，通过PaddleLite生成.nb文件，部署到手机上； 5 安卓部署详

【PP-YOLOv2】环境搭建（Ubuntu16.04）

引言 PP-YOLOv2: A Practical Object Detector 论文：https://arxiv.org/abs/2104.10419 代码链接：https://github.com/PaddlePaddle/PaddleDetection 环境搭建 如何查看您的环境 # 可以使用以下命令查看本机的操作系统和位数信息： uname -m && cat /etc/*release # 确认需要安装

[PaddleDetection保姆级教程]使用自定义数据集实现跌倒识别预测

PaddleDetection介绍 PaddleDetection是基于PaddlePaddle的端到端对象检测开发工具包，旨在帮助开发人员在训练模型的整个开发，优化性能和推理速度以及部署模型方面提供帮助。PaddleDetection在模块化设计中提供了各种对象检测体系结构，并提供了丰富的数据增强方法，网络组件，丢失功

PaddleDetection FAQ(常见问题) 第一期

欢迎大家使用PaddleDetection，针对目前大家使用PaddleDetection过程中遇到的问题，我们将高频出现的情况整理成了FAQ(常见问题) 传送门：https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.1/docs/tutorials/FAQ.md Github地址为：https://github.com/PaddlePaddle/P

PaddleDetection FAQ(常见问题) 第一期

欢迎大家使用PaddleDetection，针对目前大家使用PaddleDetection过程中遇到的问题，我们将高频出现的情况整理成了FAQ(常见问题) 传送门：https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.1/docs/tutorials/FAQ.md Github地址为：https://github.com/PaddlePaddle/Paddle

PaddleDetection使用教程

详细的使用教程可以参考官方文档 一、安装说明 在安装PaddleDetection之前要先安装依赖项PaddlePaddle，你可以将其看作一个内核，有了它才可以安装PaddleDetection。 首先，我们可以新建一个虚拟环境，命名为paddle，并激活环境。 conda create -n paddle python=3.7 conda activate p

paddleDetection训练自己的数据集遇到的问题及解决方法

自定义voc数据集： 报错：ValueError: not enough values to unpack (expected 3, got 2) 原因一：valid.txt和train.txt需要有两个参数 错误示范： 正确示范： 原因2：文件最后有多余的空行 报错：keyerror 原因：xml的关键字多了空格 报错：‘gbk’ codec can’t decode byte 0xb3 in posi

Paddle和PaddleDetection的个人经历

初时Paddle 因为训练语义分割网络FCN而显存不足，找到了aistudio。V100的32G显存可以满足大模型训练的需要。 因为aistudio仅能使用paddlepaddle，所以陆续学习了两门paddle的课程。课程付费的。 因为课程中积累的算力卡，支持我完成了一个小项目的语义分割训练。虽然那波算力卡现在已经