慕暖Kk的博客

本文结构mmDetection工具库简单简介使用方法demo使用方法训练使用方法(以Faster_RCNN模型训练、coco2017数据集为例)数据集介绍准备COCO2017数据集：训练语句来源mmDetection工具库简单简介商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学开源的一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，后续会加入Cascade-RCNN以及其他一

本文主要内容索引ABCNet模型简介训练方法训练平台的选择：极链AI云所需配置模型训练方法数据集准备（以CTW1500为例）训练语句预训练模型权重文件路径数据集CTW1500 数据集（需科学上网下载）TotalText 数据集（需科学上网下载）来源小结ABCNet模型简介场景文本检测与识别越来越受到人们的关注。现有的方法大致可以分为两类：基于字符的方法和基于分割的方法。这些方法要么用于字符注释，要么需要维护complex pipeline，这不适合实时应用。ABCNet作者通过提出Adaptive

本文目录平台的选择：极链AI云本文引用的github相关所需配置安装配置Detectron2验证Detectron2部署安装安装配置 AdelaiDet 工具包:测试使用 AdelaiDet：测试Demo结果原图1：Demo运行后效果1：原图2：Demo运行效果2：小结平台的选择：极链AI云优势特点：与很多平台不同，按小时计费；服务器GPU类型多样，选择多，数量多；有短期的暑期优惠和长期的学生优惠可以选择，非常的实惠！！！贴一个极链AI云的官网：https://cloud.videojj.co

本文目录平台的选择：极链AI云本文引用的github相关机器环境选择安装配置Detectron2验证Detectron2部署安装安装配置 AdelaiDet 工具包:测试使用 AdelaiDet：测试Demo结果原图1：![原图](https://img-blog.csdnimg.cn/f1b1b67e86a14d09a1cb45da091e63e2.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0c

本文目录1. 选择部署的平台：极链云AI2. 论文简介3. Detectron2的部署3.1 机器配置3.2 安装过程的代码4. 进行推理4.1 模型准备4.2 Kinetics.json文件的制作传输4.3 SLOWFAST_8x8_R50.yaml文件的更改4.4 准备mp4格式的素材视频4.5 执行推理5. 运行结果1. 选择部署的平台：极链云AI优势特点：价格优惠，按小时计费；服务器类型多样，选择多；暑期学生优惠较多，冲冲冲！！！在这里贴一个极链云AI的官网：https://cloud

本文目录选择的平台：极链云AIYOLOR的项目部署进行推理 DetectYOLOR在COCO数据集上的性能表现(对比YOLOv4)部分推理结果结论选择的平台：极链云AI优势特点：价格优惠，按小时计费；服务器类型多样，选择多；暑期学生优惠较多，冲冲冲！！！在这里贴一个极链云AI的官网：https://cloud.videojj.comYOLOR的项目部署YOLOR 全称 You Only Learn One Representation.YOLOR 论文地址：You Only Lea

本文目录选择的平台：极链云AIyolov5的项目部署进行推理 Detect关于yolov5不同权重文件的选择部分推理结果结论选择的平台：极链云AI优势特点：价格优惠，按小时计费；服务器类型多样，选择多；在这里贴一个极链云AI的官网：https://cloud.videojj.comyolov5的项目部署项目地址：https://github.com/ultralytics/yolov5首先来看一下官方的项目环境配置要求：前提条件：Python>=3.6.0 且 PyT