原创力文档- 1、本文档共180页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
项目四基于Pytorch（YOLOv5）目标检测模型部署边缘智能计算应用
项目引导案例目标检测的目标是确定并返回某张给定图像中是否存在给定类别（比如人、车、自行车、狗和猫）的空间位置和覆盖范围（比如返回一个边界框）。目标检测是解决分割、场景理解、目标追踪、图像描述、事件检测和活动识别等视觉任务的基础。应用：机器人视觉、消费电子产品、安保、自动驾驶、人机交互、基于内容的图像检索、智能视频监控和增强现实。
项目引导案例本项目将带着大家部署基于Pytorch的yolov5目标检测模型，主要涉及到的知识有：Pytorch框架YOLO算法Git使用方法ONNX格式和RKNN格式项目中所涉及的操作过程主要如下图所示：基于Pytorch的YOLOv5模型训练及转换Pytorch模型转ONNX模型ONNX模型转RKNN模型边缘端部署RKNN模型
任务一基于Pytorch的YOLOv5模型训练及转换边缘智能计算应用
职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一基于Pytorch的YOLOv5模型训练及转换
了解Pytorch的安装方法；了解Pytorch的组件与工作原理；了解使用Pytorch进行模型训练的方法。掌握开源数据集的下载使用掌握基于开源项目YOLOv5训练环境搭建掌握基于Pytorch的YOLOv5模型训练及预测掌握Pytorch模型文件转ONNX模型文件的环境搭建掌握Pytorch模型文件转ONNX模型文件及预测职业能力目标01知识目标技能目标
职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一基于Pytorch的YOLOv5模型训练及转换
此任务要求读者完成基于PyTorch框架和YOLOv5开源项目训练并生成模型并将Pytorch模型文件转onnx模型文件，任务完成后可使用训练好的YOLOv5模型进行目标检测。任务描述任务要求使用git下载项目源码安装所需的依赖包使用训练脚本进行训练验证训练好的模型任务描述与要求02
职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一基于Pytorch的YOLOv5模型训练及转换
任务分析模型训练开始之前需要做哪些准备工作？模型训练过程中涉及到哪些参数？任务分析与计划03
任务计划表项目名称基于Pytorch（yolov5）目标检测模型部署任务名称基于Pytorch的YOLOv5模型训练及转换计划方式自主设计计划要求请用10个计划步骤来完整描述出如何完成本次任务序号任务计划1?2?3?4?5?6?78通过上面的思考，你是否对本任务要完成的工作有所了解？让我们一起来制订完成本次任务的实施计划吧！任务分析与计划03
职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一基于Pytorch的YOLOv5模型训练及转换
PyTorch与YOLOv5简介204知识储备目标检测简介1Pytorch转onnx的意义433COCO数据集
目标检测是在给定的图片中精确找到物体所在位置，并标注出物体的类别。04目标检测简介目标检测任务的挑战在什么地方呢？
04目标检测简介目标物在图像中的属性
04目标检测简介多目标示例
04目标检测简介近几年来，目标检测算法取得了很大的突破；随着卷积神经网络的广泛使用，许多目标检测算法已与卷积神经网络结合起来；根据目标检测算法的工作流程，可以将目标检测算法分为双步法（TwoStage）和单步法（OneStage）。
04目标检测简介两步法（TwoStage）确定那些更有可能出现目标的位置，再有针对性的用CNN进行检测；通过启发式方法或CNN网络产生一系列稀疏的候选框（RegionProposal），然后对这些候选框进行分类或者回归；两步法的优势是准确度高，但是运行速度较慢；两步法的代表算法有R-CNN、FastR-CNN、FasterR-CNN等。
04目标检测简介
04目标检测简介一步法（OneStage）均匀地在图片的不同位置进行密集抽样，利用CNN提取特征后，直接在提取的特征上进行分类或者回归，整个过程只需要一步；所以一步法的优势是速度快，但是模型精确度相对较低；一步法的代表算法有YOLO和SSD等；目前广泛应用于目标检测的算法是基于YOLO目标检测算法的YOLOv5和YOLOX。
04目标检测简介
PyTorch与YOLOv5简介204知识储备目标检测简介1Pytorch转onnx的意义433COCO数据集
04PyTorch与Torch基于Torc
文档评论（0）