前言这一篇博客应该是我花时间最多的一次了，从2022年1月底至2022年4月底。我已经将这篇博客的内容写为论文,上传至arxiv：https://arxiv.org/pdf/2204.10160.pdf欢迎大家指出我论文中的问题，特别是语法与用词问题在github上，我也上传了完整的项目：https://github.com/Whiffe/Custom-ava-dataset_Custom-Spatio-Temporally-Action-Video-Dataset关于自定义ava数据集，也是后台私信我最多的，也是我想完成的。下面是我在知乎、B站的同步内容：知乎：https://zhuanla
三、将best.onnx转为RKNN格式 这一步就需要我们进入到Ubuntu20.04系统中了，我的Ubuntu系统中已经下载好了anaconda，使用anaconda的好处就是可以方便的安装一些库，而且还可以利用conda来配置虚拟环境，做到环境与环境之间相互独立。 对于我来说，使用了以下命令创建了一个名为rknn_ceshi的虚拟环境condacreate-nrknn_ceshipython=3.8 之后，点击GitHub-rockchip-linux/rknn-toolkit2把整个项目给下载下来，解压后，我们进入刚刚创立虚拟环境下安装rknn-toolki
三、将best.onnx转为RKNN格式 这一步就需要我们进入到Ubuntu20.04系统中了，我的Ubuntu系统中已经下载好了anaconda，使用anaconda的好处就是可以方便的安装一些库，而且还可以利用conda来配置虚拟环境，做到环境与环境之间相互独立。 对于我来说，使用了以下命令创建了一个名为rknn_ceshi的虚拟环境condacreate-nrknn_ceshipython=3.8 之后，点击GitHub-rockchip-linux/rknn-toolkit2把整个项目给下载下来，解压后，我们进入刚刚创立虚拟环境下安装rknn-toolki
该项目利用yolov5+reid实现的行人重识别功能，可做跨视频人员检测。应用场景：可根据行人的穿着、体貌等特征在视频中进行检索，可以把这个人在各个不同摄像头出现时检测出来。可应用于犯罪嫌疑人检索、寻找走失儿童等。支持功能： 1.reid训练 2.人员标注 3.人员查找(可做跨视频人员检测)目录Reid训练人员标注 人员查找(yolov5+Reid)Reid训练ps:Reid理论部分参考：Reid理论视频参考课程项目支持多网络，如resnet50,resnet50_ibn_a, se_resnext50等主干网络。下载代码后输入：pythontools/train.py--c
该项目利用yolov5+reid实现的行人重识别功能，可做跨视频人员检测。应用场景：可根据行人的穿着、体貌等特征在视频中进行检索，可以把这个人在各个不同摄像头出现时检测出来。可应用于犯罪嫌疑人检索、寻找走失儿童等。支持功能： 1.reid训练 2.人员标注 3.人员查找(可做跨视频人员检测)目录Reid训练人员标注 人员查找(yolov5+Reid)Reid训练ps:Reid理论部分参考：Reid理论视频参考课程项目支持多网络，如resnet50,resnet50_ibn_a, se_resnext50等主干网络。下载代码后输入：pythontools/train.py--c
因为在6.0上做的了一些东西，所以将6.0得网络模型画了出来，之前也画过5.0的网络模型，有兴趣的小伙伴可以看下。yolov5s-5.0网络模型结构图_zhangdaoliang1的博客-CSDN博客_yolov5s模型结构看了很多yolov5方面的东西，最近需要yolov5得模型结构图，但是网上的最多的是大白老师的，但是大白老师的yolov5得模型结构图不知道是哪个版本得，肯定不是5.0和6.0版本得。参考了大白老师得模型结构图和其他大佬的模型结构图，以及参考了yolov5得onnx。画出了以下得结构图，初次画不知道有些地方是否对不对，如果有错误，请大家指出。。。这个模型结构图是用思维导图画
因为在6.0上做的了一些东西，所以将6.0得网络模型画了出来，之前也画过5.0的网络模型，有兴趣的小伙伴可以看下。yolov5s-5.0网络模型结构图_zhangdaoliang1的博客-CSDN博客_yolov5s模型结构看了很多yolov5方面的东西，最近需要yolov5得模型结构图，但是网上的最多的是大白老师的，但是大白老师的yolov5得模型结构图不知道是哪个版本得，肯定不是5.0和6.0版本得。参考了大白老师得模型结构图和其他大佬的模型结构图，以及参考了yolov5得onnx。画出了以下得结构图，初次画不知道有些地方是否对不对，如果有错误，请大家指出。。。这个模型结构图是用思维导图画
本文使用的yolov3和yolov5工程文件均为github上ultralytics基于pytorch的v3和v5代码，其训练集输出结果类型基本一致，主要介绍了其输出结果，本文是一篇学习笔记本文使用的yolov3代码github下载地址：yolov3模型训练具体步骤可查看此篇博客：yolov3模型训练——使用yolov3训练自己的模型本文使用的yolov5代码github下载地址：yolov5模型训练具体步骤可查看此篇博客：yolov5模型训练———使用yolov5训练自己的数据集本文主要包括以下内容：1.confusion_matrix.png2.F1_curve.png3.labels.j
本文使用的yolov3和yolov5工程文件均为github上ultralytics基于pytorch的v3和v5代码，其训练集输出结果类型基本一致，主要介绍了其输出结果，本文是一篇学习笔记本文使用的yolov3代码github下载地址：yolov3模型训练具体步骤可查看此篇博客：yolov3模型训练——使用yolov3训练自己的模型本文使用的yolov5代码github下载地址：yolov5模型训练具体步骤可查看此篇博客：yolov5模型训练———使用yolov5训练自己的数据集本文主要包括以下内容：1.confusion_matrix.png2.F1_curve.png3.labels.j
文章目录前言一、核心功能设计二、核心实现步骤1.yolov5实现目标检测2.deepsort实现目标跟踪3.slowfast动作识别三、核心代码解析1.参数2.主函数3.将结果保存成视频总结前言前段时间打算做一个目标行为检测的项目，翻阅了大量资料，也借鉴了不少项目，于是打算通过yolov5实现目标检测，deepsort实现目标跟踪以及slowfast实现动作识别，最终实现端到端的目标行为检测模型。一、核心功能设计总的来说，我们需要能够实现实时检测视频中的人物，并且能够识别目标的动作，所以我们拆解需求后，整理核心功能如下所示：yolov5实现目标检测，确定目标坐标deepsort实现目标跟踪，持
