Implementação do Módulo Backbone do YOLOv5 para Classificação de Imagens
1. Configuração do Disopsitivo
import torch
import torch.nn as nn
import torchvision.transforms as transforms
from torchvision import datasets
import pathlib, warnings
warnings.filterwarnings("ignore")
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
2. Carregamento dos Dados
data_dir = path ...
Publicado em 8-22 02:57
Implementação de Classificação de Imagens com YOLOv5 e ONNX no Raspberry Pi
Introdução ao Hardware e Ambiente
O Raspberry Pi 4B (4GB ou superior) é uma plataforma robusta para prototipagem de visão computacional. Para aplicações que envolvem Inteligência Artificial, como o uso de PyTorch e modelos de Deep Learning, é fundamental utilizar uma versão do sistema operacional Linux de 64 bits para garantir compatibilidade c ...
Publicado em 7-16 08:40
Análise do Código-Fonte e Treinamento do YOLOv5 no Kaggle
Explorando o Pipeline do YOLOv5
Esta nota aborda a análise do código-fonte do YOLOv5 e a condução de treinamentos dentro do ambiente Kaggle, focando nos módulos de detecção, validação e otimização do modelo.
1. Módulo de Detecção (detect.py)
Ao executar o script de detecção com um modelo pré-treinado yolov5s.pt e imagens de exemplo, o processo ...
Publicado em 7-13 18:19
Otimizações do YOLOv5 e Conceitos Fundamentais de Treinamento em Deep Learning
Estratégias de Melhoria do YOLOv5
====================================
O framework YOLOv5 tem sido amplamente aprimorado para detectar objetos em diferentes escalas. Implementações comuns incluem a adição de uma camada de detecção adicional, resultando em um total de quatro mapas de características. Cada ponto de ancoragem pode prever três ca ...
Publicado em 6-23 04:36