原创 windows10+PaddleDetection-release-0.3中yolov3測試及訓練自己的數據

環境:windows10+ cundn10.0+ cudnn7.3+ vs2017+paddle1.7      PaddleDetection-release-0.3:https://github.com/PaddlePaddle/Pa

原创 windows10+PaddleDetection-release-0.3中faster_rcnnfaster_rcnn測試及訓練自己的數據

環境:windows10+ cundn10.0+ cudnn7.3+ vs2017+paddle1.7      PaddleDetection-release-0.3:https://github.com/PaddlePaddle/Pa

原创 windows10+Pytorch中用yolov4.5測試

所謂的yolov5暫稱爲yolov4.5版本(但作爲工程項目還是不錯的,畢竟速度、精度、大小、部署都很友好):下載地址:https://github.com/ultralytics/yolov5 環境 2080顯卡 windows10+p

原创 windows10+MMdetection2.0的編譯測試及faster_rcnn訓練自己的數據

環境:windows10+ cundn10.1+ cudnn7.6+ vs2019+pythorch1.4或windows10+ cundn10.2+ cudnn7.6 +vs2019+pythorch1.5 MMdetection2.0

原创 windows10+detectron2中faster_rcnn訓練自己的數據

環境:windows10+ cundn10.1+ cudnn7.6 vs2019編譯  顯卡RTX2080 8G顯存 pythorch1.3或pythorch1.4都可以 需重新編譯coco的PythonAPI和detectron2編譯v

原创 windows10+Pytorch中用yolov3訓練自己數據記錄

yolov3版本:下載地址:https://github.com/ultralytics/yolov3   選擇原因pytorch中速度快、可以工業部署、不停的更新維護。後續有yolov5(只在其Github看到,後續可以嘗試) 環境:w

原创 windoes10下CUDA版本切換、conda中python虛擬環境搭建及python pip安裝說明

1、多個CUDA版本切換 安裝CUDA10.0和CUDA10.2後當切換版本時只需:1、把CUDA_PATH修改爲需要的路徑;2、NVCUDASAMPLES_ROOT修改爲需要的路徑;3、在環境變量中相應的路徑放置最上面 cmd  查看n

原创 Darknet YoloV4 Windows10下數據訓練及測試(二)darknet訓練自己的數據

環境:windows10+ cundn10.0+ cudnn7.6 vs2015編譯 opencv3.4.6 顯卡RTX2080 8G顯存 據測試cundn10.0+ cudnn7.6和cudn10.0+ cudnn7.3都可以 gith

原创 Darknet YoloV4 Windows10下數據訓練及測試(一)darknet編譯

環境:windows10+ cundn10.0+ cudnn7.6 vs2015編譯 opencv3.4.6 據測試cundn10.0+ cudnn7.6和cudn10.0+ cudnn7.3都可以 github:https://gith

原创 圖像去色算法matlab到C++/opencv的移植

是對(Real-time Contrast Preserving Decolorization,作者 Cewu Lu Li Xu Jiaya Jia)論文配套的matlab代碼一直到C++;並測試與其他算法的效果及時間對比 平臺:qt5.

原创 vs2015下Cmake3.10編譯Opencv3.4及opencv_contrib3.4在Windows10

0、爲何需要自行編譯opencv3.4與opencv_contrib3.4 因爲在3.0之後版本的Opencv對Sift、Sufer等新算法沒有提供直接編譯好的動態庫來加載使用,因此必須自己編譯。這是因爲Sift、Sufer算法專利現在是