系统配置：Ubuntu 16.04，Nvidia GTX 1060 Cuda 工具包：9.0

我在我的系统上安装了 Cuda 9.0 并且能够输出 nvidia-smi 但是，当我尝试使用 GPU 制作暗网时，我收到以下错误：

nvcc -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_50,code=[sm_50,compute_50] -gencode arch=compute_52,code=[sm_52,compute_52] -gencode arch=compute_61 ,code=[sm_61,compute_61] -DGPU -I/usr/local/cuda/include/ --compiler-options "-Wall -Wfatal-errors -Wno-unused-result -Wno-unknown-pragmas -Ofast -DGPU" -c ./src/convolutional_kernels.cu -o obj/convolutional_kernels.o /bin/sh: nvcc: command not found make: *** [obj/convolutional_kernels.o] 错误 127

这个问题与卷积神经网络（尤其是YoloV3）有关

由于一个 epoch 是所有训练示例的一次前向传递和一次反向传递，因此对于模型正确收敛，它是否相同（在精度和收敛时间方面）：

• 在m 个时期内使用n*k 个图像进行训练？
• 在m*k 时期训练n 幅图像？

我正在关注本教程：https : //medium.com/techfeeds/yolo-single-image-train-single-object-training-9ba830076776 使用darknet19_448.conv.23 权重文件在单节课上进行训练 我的图像尺寸为〜 300*200。

这是我的 .cfg 文件：

测试

批次=64

细分=8

高度=200

宽度=200

频道=3

类=1

坐标=4

数量=5

软最大=1

抖动=.3

重新评分=1

object_scale=5

noobject_scale=1

class_scale=1

coord_scale=1

绝对=1

阈值 = .6

随机=1

但是，在复制数据和 cfg 文件以及训练和测试文件后，出现“无法打开标签文件”错误

蟒蛇：2.7

我正在使用这个 repo 进行一些测试，因为我对 OpenCV 很陌生： https ://github.com/devicehive/devicehive-video-analysis

我的目标是计算有多少检测到的对象作为“人”被限制在视频的特定区域。

所以我想在这里玩代码：

但是当预测发生时我真的无法弄清楚，我如何计算对象区域并检测它是否在另一个预定义的范围内。

任何帮助表示赞赏。谢谢你

我想用我自己的数据集训练一个新模型。我将为此使用 Darkflow/Tensorflow。

关于我的疑惑：

(1) 我们是否应该将训练图像调整为特定大小？

(2) 我认为较小的图像可能会节省时间，但较小的图像会损害准确性吗？

（3）对于要预测的图像，我们应该调整它们的大小还是没有必要？

嗨，我在 C 或 YOLO 方面没有太多经验，所以有人知道我应该在 demo.c 中进行哪些编辑以便能够在检测到特定对象时运行 shell 命令吗？

非常感谢

此代码用于运行我训练的权重，文件夹 ckpt 包含 1050 步训练数据，此文件位于 darkflow 主文件夹的 cfg 文件夹之外。

import cv2
from darkflow.net.build import TFNet
import numpy as np
import time

options = { 'model': 'cfg/tiny-yolo-voc-1c.cfg', 'load': 1050, 'threshold': 0.2, 'gpu': 1.0 }

在原子编辑器中运行此代码后，显示以下错误
Parsing cfg//tiny-yolo-voc-1c.cfg
Traceback (most recent call last):
File "C:\Users\amard\Desktop\Hotel\darkflow\test.py", line 13, in <module> tfnet = TFNet(options)
File "C:\Users\amard\Desktop\Hotel\darkflow\darkflow\net\build.py", line 58, in __init__
darknet = Darknet(FLAGS) File "C:\Users\amard\Desktop\Hotel\darkflow\darkflow\dark\darknet.py", line 17, in __init__
src_parsed = self.parse_cfg(self.src_cfg, FLAGS)
File "C:\Users\amard\Desktop\Hotel\darkflow\darkflow\dark\darknet.py", line 68, in parse_cfg
for i, info in enumerate(cfg_layers):
File "C:\Users\amard\Desktop\Hotel\darkflow\darkflow\utils\process.py", line 66, in cfg_yielder
layers, meta = parser(model); yield meta; File "C:\Users\amard\Desktop\Hotel\darkflow\darkflow\utils\process.py", line 17, in parser
with open(model, 'rb') as f: FileNotFoundError: [Errno 2] No such file or directory: 'cfg//tiny-yolo-voc-1c.cfg'
[Finished in 4.298s]

我是计算机视觉的新手，我正在使用 EmguCV 库。我的目标是跟踪并为视频中的所有对象分配唯一 ID，我几乎迷路了！！。

方法一： 对于视频中的每一帧：

• BackgroundSubtractorMOG使用 ( )进行背景减法
• CvBlobDetector使用 ( )获取 Blob
• CvTracks使用 ( )跟踪检测到的 Blob

这种方法的问题是：

• 同一对象（例如：人）可能会被检测为多个 Blob，并且每个对象都分配有不同的 ID。
• 如果人/对象在一帧中离开场景或被另一个对象遮挡，则会为其分配一个新 ID（丢失跟踪）。

方法2： 对于视频中的每一帧：

• 使用YOLO检测框架中的对象
• 在 EmguCV (TLD, KCF)跟踪器中使用现代跟踪器

这种方法的问题是：

• 如何将 YOLO 中检测到的对象映射到 EmguCV 中的跟踪器？
• 如果人/物体在一帧中离开场景或被另一个物体遮挡，我就会失去跟踪。
• 如何在不同的帧中识别相同的对象（使用颜色/外观/特征而不是位置）？什么是最好的方法？

非常感谢这些方法的任何帮助/想法或用于跟踪和 ID 标记的新方法。

我正在做一个使用yolo进行车辆检测和车道检测的项目，但是在执行代码时出现了这个错误。

下面的代码成功执行了图像文件 demo==1 但不是 demo==2 和 demo==3 其中输入是视频文件。这个问题怎么解决？？？

程序代码：

我是 Tensorrt 的新手，对 C 语言也不太熟悉。请问是否有任何示例可以导入caffe modell(caffeparser)，同时使用python 插件。插件库示例：“ https://docs.nvidia.com/deeplearning/sdk/tensorrt-api/c_api/_nv_infer_plugin_8h_source.html ”。

我看到一个例子做类似下面的事情。是否需要修改 pluginfactory 类？还是已经用python插件api完成了？

Ps：我正在尝试将YOLO2转换为Tensorrt格式。因此，某些层（例如 kYOLOREORG 和 kPRELU）只能由插件支持。

另一种方法是在构建网络期间通过方法 network.add_plugin_ext() 添加插件？但是，我不太确定如何指定稍后要导入的前一层。

非常感谢您的回答。您的帮助将不胜感激！