博主想拿官网的yolov5训练好pt模型，然后转换成rknn模型，然后在瑞芯微开发板上调用模型检测。但是官网的版本对npu不友好，所以采用改进结构的版本：将Focus层改成Conv层将Swish激活函数改成Relu激活函数自带的预训练模型是预测80类CoCo数据集的yolov5s改进结构，下面就带大家一起转换模型！1、首先部署好yolov5的环境，保证可以运行detect.py进行检测，将自己训练好的pt模型放到weights目录下，我这里命名是best.pt。2、pipinstallonnx安装好onnx库3、输入下面命令导出模型（后面的weights、img和batch参数可以不加，设置下

自从yolov5-5.0加入se、cbam、eca、ca发布后，反响不错，也经常会有同学跑过来私信我能不能出一期6.0版本加入注意力的博客。个人认为是没有必要专门写一篇来讲，因为步骤几乎一样，但是问的人也慢慢多了，正好上一篇加入注意力的文章写的略有瑕疵，那就再重新写一篇。yolo加入注意力三部曲1.common.py中加入注意力模块2.yolo.py中增加判断条件3.yaml文件中添加相应模块所有版本都是一致的，加入注意力机制能否使模型有效的关键在于添加的位置，这一步需要视数据集中目标大小的数量决定。第一部曲：common.py加入注意力模块classh_sigmoid(nn.Module):

自从yolov5-5.0加入se、cbam、eca、ca发布后，反响不错，也经常会有同学跑过来私信我能不能出一期6.0版本加入注意力的博客。个人认为是没有必要专门写一篇来讲，因为步骤几乎一样，但是问的人也慢慢多了，正好上一篇加入注意力的文章写的略有瑕疵，那就再重新写一篇。yolo加入注意力三部曲1.common.py中加入注意力模块2.yolo.py中增加判断条件3.yaml文件中添加相应模块所有版本都是一致的，加入注意力机制能否使模型有效的关键在于添加的位置，这一步需要视数据集中目标大小的数量决定。第一部曲：common.py加入注意力模块classh_sigmoid(nn.Module):

目录 时间：2022.6.23极市的新人任务——安全帽识别通过简单的赛题带我们更好的熟悉了极市比赛、项目的打榜流程。如果你也是深度学习爱好者，也不妨短暂停留看看！！！1.开发环境选择2.配置yolov5环境3.编写代码4.模型训练5.模型测试6.领取奖励没有谁的成功是一步而就的，你需要花费比别人更多的时间，更多的精力，更多的热爱。时间：2022.6.23极市的新人任务——安全帽识别通过简单的赛题带我们更好的熟悉了极市比赛、项目的打榜流程。极市开发者平台-计算机视觉算法开发落地平台(cvmart.net)https://www.cvmart.net/如果你也是深度学习爱好者，也不妨短暂停留看看！

PaddleDetection/pphuman_mot.mdatrelease/2.6·PaddlePaddle/PaddleDetection·GitHubObjectDetectiontoolkitbasedonPaddlePaddle.Itsupportsobjectdetection,instancesegmentation,multipleobjecttrackingandreal-timemulti-personkeypointdetection.-PaddleDetection/pphuman_mot.mdatrelease/2.6·PaddlePaddle/PaddleDete

前言 与传统的两段pipeline不同，论文提出了在一段检测之后再进行区域级的选择，避免了处理大量低质量的候选区域。此外，还构建了一个新的模块来评估目标帧与参考帧之间的关系，并指导聚合。作者进行了大量的实验来验证该方法的有效性，并揭示了其在有效性和效率方面优于其他最先进的VID方法。在ImageNetVID数据集上，采用单个2080TiGPU，达到了超过30帧/秒的87.5%AP50。欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。目前公众号正在征稿中，可以获取对应的稿费哦。QQ交流群:444129970。群内有大佬负责解答大家的日常学习、科研

        本文主要记录如何在电脑中安装pytorch以及在vscode中配置相关环境，以及在配置过程中遇到的一些问题。废话不多说，现在开始。一、安装VSCode    前往微软官网下载vscode，选择社区版，默认安装即可 二、安装Anaconda    前往Anaconda官网下载一个安装包，要注意自己电脑的Python版本，可以在控制台中使用python-v                查看自己的版本号。我的是3.9所以直接下载最新的 三、下载CUDA工具    1.确定自己的显卡所支持的CUDA版本        在英伟达控制面板的左下角找到“系统信息”，在“组件”中找到支持的C

最近在做毕设，感觉网上信息不是很全，把自己的训练过程写下来供做这个方向的友友学习。只有简单的复现，其余的还没探索到。一、数据集以及数据预处理首先就是数据集：我用的数据集是西工大发布的数据集，NWPUVHR-10链接：https://pan.baidu.com/s/1vfhDU2ORWUpL-aGM1PllGw 提取码：d5au西工大数据集有十个类别，有三个文件夹，分别是positiveimageset（650张图片），negativeimageset（150张图片）和groundtruth（650个txt文件）。negativeimageset中的影像无对应的地物目标，positiveimag

YOLOv8代码调试运行实战YOLOv8入坑出坑。1.创建虚拟环境创建：condacreate-nyolov8python=3.8condacreate-nyolov8python=3.7查看：condaenvlist进入：condaactivateyolov8退出：condadeactivate删除：condaremove-nyolov8--all2.导入yolov8源码下载yolov8https://github.com/ultralytics/ultralyticsyolov8源码下载链接解压打开PyCharmCommunityEdition2021.2.1，导入YOLOv8项目3.Py

1.安装Anaconda首先到Anaconda官网https://www.anaconda.com/distribution下载安装包下载完成后打开安装包建议安装在c盘以外其它盘勾选第一项，即将安装路径自动添加到系统环境变量稍等片刻即可下载完成，下载完成后点击next不需要勾选，点击finish至此，Anaconda下载安装完成2.安装Pycharm首先到Pycharm官网https://www.jetbrains.com/pycharm/download/#section=windows下载安装包，下载社区版即可下载完成后打开安装包建议安装在c盘以外其它盘全部勾选稍等片刻打开Pycharm输