pytorch的CRNN模型转onnx模型-51CTO学堂-深度学习去模糊

{{ interaction.likeNum == 0 ? (pageType === 'video' ? '抢首赞' : '点赞') : formatNumber(interaction.likeNum) }} {{ interaction.collectionNum == 0 ? '收藏' : formatNumber(interaction.collectionNum) }} {{ interaction.discussNum == 0 ? (pageType === 'video' ? '抢沙发' : '讨论') : formatNumber(interaction.discussNum) }}

提问 {{ interaction.noteNum > 0 ? interaction.noteNum + '篇笔记' : '记笔记' }} 离线观看

下载学堂APP

缓存视频离线看

报告问题离线观看

下载学堂APP

缓存视频离线看

课程介绍

讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}

适合人群

1、适用于有一定深度学习基础的同学； 2、适合于会一点点python的同学； 3、需要有一定的C/C++基础； 4、适用于想使用onnx模型进行OCR文本识别和yolo目标检测的同学；

你将会学到

了解深度学习模型的onnx转换并C++调用应用部署的过程

pytorch模型转onnx模型
yolo模型转onnx模型
CRNN模型转onnx模型
DBnet模型转onnx模型
C++调用onnx模型
pytorch模型转onnx模型
CRNN模型转onnx模型
DBnet模型转onnx模型
yolo模型转onnx模型
C++调用onnx模型

课程简介

(本课程非opencv加载onnx模型)

(cuda11.1+cudnn8.0.5+onnxruntime-GPU-1.10)

1、OCR的文本识别CRNN网络和文本检测DBnet网络是基于pytorch1.4版本(pytorch1.8.1也可以)

2、yolov4使用的是darknet c语言训练的模型(也可以github上下载代码训练直接的yolov4模型)

3、yolov5使用的是pytorch1.8.1+opencv-python4.5的模型(github上的yolov5工程)

4、使用win10+vs2019+opencv3.4.4+onnxruntime-gpu-1.10的C++环境调用onnx模型

5、20220319更新：新增OCR识别库工程以及优化代码

6、20220403更新：新增deeplabv3语义分割

7、20220910更新：onnx代码健壮性增强，使用onnx的c接口来调用onnx模型。

OCR C++ onnx使用示例工程分享：

链接：https://pan.baidu.com/s/1z3R_oDuOWrKu61Xj8Yb54w

提取码：snkn

目标检测：yolo目标检测 C++ onnx使用示例工程分享：

链接：https://pan.baidu.com/s/1Ga_x8auJ9220Nubx0Mw6gA

提取码：kpe9

展开更多

发布

置顶笔记

{{ item.create_time }}{{ Number(item.like_count) || '' }}回复

删除
是否确认删除?
确认
取消
{{ item.is_top == 1 ? '取消置顶' : '置顶'}}
已有置顶的讨论，是否替换已有的置顶？
确认
取消

{{ subitem.create_time }}{{ Number(subitem.like_count) || '' }}回复

删除

点击查看更多收起

发布

{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}

优质笔记

更新于：{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}

公开笔记对他人可见，有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记

保存

提问

讲师收到你的提问会尽快为你解答。若选择公开提问，可以获得更多学员的帮助。

记录时间点

记录提问时视频播放的时间点，便于后续查看

公开提问

提交