coco数据集的准备-51CTO学堂

{{ 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、适合于想掌握yolov5模型训练和C++部署的同学。 2、需要有一定的Python和c/c++基础 3、需要对深度学习有基本的了解

你将会学到

掌握基本的pytorch的yolov5的模型训练以及C++的模型调用部署

yolov5目标检测模型训练
yolov5自定义数据集
车牌定位模型的训练
口罩佩戴识别模型的训练
印章分类模型的训练
C++调用onnx模型

课程简介

本课程yolov5模型训练环境基于：win10+cuda10.2+cudnn8.2.2+pytorch1.8.1+python3.9+opencv-python4.5.5.36+onnx1.11+onnxruntime-gpu1.10

本课程C++调用onnx模型(非opencv调用)的环境基于:win10+cuda11.1+cudnn8.0+opencv3.4.4+onnxruntime-gpu1.10

1、使用pytorch yolov5-6.1版本的工程；

2、进行自定义数据集的准备以及yolov5模型的训练；

3、yolov5训练模型的onnx模型转换以及C++调用onnx模型部署(非opencv调用)；

4、车牌定位模型的训练；

5、口罩佩戴识别模型的训练；

6、印章分类模型的训练；

7、20220910更新：onnx的代码健壮性增强。

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