张士玉小黑屋

 前   言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是在处理一些复杂背景问题的时候，还是容易出现错漏检的问题。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。解决问题：加入BIFPN加权双向金字塔结构，提升不同尺度的检测效果添加方法：第一步：common.py构建Concat_BIFPN模块。classConcat_BIFPN(nn.Module):#Concatenatealistoftensorsalongdimensiondef__init__(self,c1,c2):

目录0.添加方法1.SE1.1SE1.2C3-SE2.CBAM2.1CBAM2.2C3-CBAM3.ECA3.1ECA3.2C3-ECA4.CA4.1CA4.2C3-CA0.添加方法主要步骤：（1）在models/common.py中注册注意力模块（2）在models/yolo.py中的parse_model函数中添加注意力模块（3）修改配置文件yolov5s.yaml（4）运行yolo.py进行验证各个注意力机制模块的添加方法类似，各注意力模块的修改参照SE。本文添加注意力完整代码：https://github.com/double-vin/yolov5_attention1.SESqueeze-and-Excitatio

超简单教你在树莓派上安装opencv（二）前言一、如何基于python3.9.2安装OpenCv？1.1查看自己系统位数及Python版本，跟对教程1.2换源1.3更新1.4安装依赖1.5查看自己树莓派的架构来确定下载什么包1.6下载自己需要的whl包1.7安装OpenCv二、报错了？！2.1报出如下错误2.2为啥会报错2.3测试OpenCv三、作者有话说前言使用须知：本文章主要是针对Python3.9.2版本的Python安装OpenCv，如果你的Python版本不是Python3.9.2，而是在3.8以下，你可以点击这里的教程来安装OpenCv。另外有的版本好像是Python3.9.3，本文方法应该不适用。一、如何基于pytho

手把手调参最新YOLOv7模型推理部分-最新版本（一）?YOLO系列模型在目标检测领域有着十分重要的地位，随着版本不停的迭代，模型的性能在不断地提升，源码提供的功能也越来越多，那么如何使用源码就显得十分的重要，接下来我会通过文章带大家手把手去了解Yolov7（最新版本）的每一个参数的含义，并且通过具体的图片例子让大家明白每个参数改动将会给网络带来哪些影响。这篇文章讲解的是关于YOLOv7最新版本的推理部分参数解析?想了解YOLOv5-v6.2版本参数的同学可以关注这篇文章：手把手调参Yolov5(v6.2)推理部分代码文章目录1.代码获取方式?2.准备项目环境✨3.YOLOv7命令行预测方式介绍?4.detect.py文件解读?4.1检测一下看看

在我的本科毕业论文中，我使用了Yolov5，并尝试对其更改。可以对Yolov5进行一定程度的定制化修改，例如更轻量级的Yolov5-MobileNetv3或者比Yolov5s更好的（存疑，没有跑过大数据集，可自己实验）Yolov5-EfficientNet。首先在修改之前，先看Yolov5的网络结构。整体看起来很复杂，但是不用慌张，本篇文章的主要修改处Backbone（特征提取网络）可以抽象为只有三部分，也就是只需要修改这一处地方即可。然后了解我们需要修改的代码。需要修改代码主要集中在yolov5的model文件夹下。yaml主要是修改代码后相对应的配置文件。common.py中添加新的模块，yolo.py中则是让模型能够支持读取相应的配置文件。前情介绍完毕。下面正式开始进行模型修改

YOLOV7改进--添加CBAM注意力机制CBAM注意力机制代码在commen.py中添加CBAM模块在yolo.py中添加CBAM模块名在cfg文件中添加CBAM信息因为项目需要，尝试在yolov7上加入CBAM注意力机制，看看能不能提升点性能。之前有在yolov5上添加CBAM的经验，所以直接把yolov5中的CBAM搬过来，废话不多说，直接看代码吧！CBAM注意力机制首先，介绍一下CBAM注意力机制：论文来源：https://arxiv.org/pdf/1807.06521.pdfConvolutionalBlockAttentionModule(CBAM)由两个模块构成，分别为通道注意力（CAM）和空间注意力模块（SAM），CAM可以使网络关注图像的前景，使网

中国史之【祖甲改制】：祖甲，商朝第25位国王。祖甲即位后，建立了完备的周祭制度，在王位继承问题上，改变兄终弟及制，开始完全采用父死子继制。-来源：全历史APP（心急的同学可以直接跳到第二节安装的介绍）俗话说：“好记性不如烂笔头”，多写写多记记，总不会错。多一些不为什么的坚持，少一些功利主义的追求。上期python系列的笔记已经分享完毕。这期，我们打算切入正题——计算机视觉。有的同学学习CV，都是直接从深度学习开始。当然，目前基本做CV的都是用深度，但是传统的数字图像处理是非常值得学习的，有助于更好理解图像更底层的逻辑。但是，学数字图像处理，也不需要学得非常深入，我觉得以了解和知道相关知识点为主，确实用到的时候，具体再深究。这里推荐两种方式，一是matlab图像处理工具包，二是o

B站视频教程https://www.bilibili.com/video/BV113411J7nk?p=1Github仓库地址https://github.com/Monday-Leo/Yolov5_Tensorrt_Win10项目简介基于Tensorrt加速Yolov56.0支持Windows10支持Python/C++环境说明Tensorrt8.2.1.8Cuda10.2Cudnn8.2.1(特别注意需安装两个cuda10.2补丁)Opencv3.4.6Cmake3.17.1VS2017GTX1650运行案例(Windows)从yolov5releasev6.0下载.pt模型，这里以yolov5s.pt为例。下载yolov56.0源代码和本仓库代码

前言最近在B站上看到一个漂亮的仙女姐姐跳舞视频，循环看了亿遍又亿遍，久久不能离开！看着仙紫小姐姐的蹦迪视频，除了一键三连还能做什么？突发奇想，能不能把小仙女的蹦迪视频转成代码舞呢？说干就干，今天就手把手教大家如何把跳舞视频转成代码舞，跟着仙女姐姐一起蹦起来~视频来源：【紫颜】见过仙女蹦迪吗【千盏】直接跳到文末获取粉丝专属福利。一、核心功能设计总体来说，我们需要分为以下几步完成：从B站上把小姐姐的视频下载下来对视频进行截取GIF，把截取的GIF进行ASCII字符转换把转换的字符gif根据每一帧的顺序重命名排序将排序后的帧gif转换为图片将字符图片合并成视频视频添加背景音乐二、实现步骤1.下载视频首先我们需要准备工作，安装you-get用来下载视频。pipinsta

引言最近硅星人多次报道过AI图片生成技术，提到过DALL·E、Midjourney、DALL·Emini（现用名Craiyon）、Imagen、TikTokAI绿幕等知名产品。实际上，StableDiffusion有着强大的生成能力和广泛的使用可能性，模型可以直接在消费级显卡上运行，生成速度也相当之快。而其免费开放的本质，更是能够让AI图片生成模型不再作为少数业内人士的玩物。在强者如云、巨头纷纷入局的AI图片生成领域，StableDiffusion背后的“神秘”机构StabilityAI，也像是“世外高僧”一般的存在。它的创始人没有那么出名，创办故事和融资细节也不是公开信息。再加上免费开源StableDiffusion的慈善行为，更让人增加了对这