香橙派、树莓派等开发板中,一般都预留了串口用于调试
本文介绍通过CP2102串口线连接的方式
1 硬件连接
我的CP2102串口线是一端USB,另一端4个杜邦线,分别是:
- 红:VCC
- 白:RX
- 绿:TX
- 黑:GND
而香橙派上的串口依次是:GND、RX、TX
接线方法(杜邦线 <-> 板上端子)是:
- 黑 <-> GND
- 白 <-> TX
- 绿 <-> RX
注意上面VCC不[......]
香橙派、树莓派等开发板中,一般都预留了串口用于调试
本文介绍通过CP2102串口线连接的方式
1 硬件连接
我的CP2102串口线是一端USB,另一端4个杜邦线,分别是:
而香橙派上的串口依次是:GND、RX、TX
接线方法(杜邦线 <-> 板上端子)是:
注意上面VCC不[......]
在YoloV5-Lite目标检测之“安装推理”中,我们完成了安装和预训练权重的推理,下面介绍自定义训练数据、模型转换(ncnn)
1 训练数据准备
.
├── train
│ ├── 000000000049.jpg
│ ├── 000000000049.txt
......
│ ├── 000000581880.txt
│ ├── 000000581900.jpg
│ └── 000000581900.txt
└── val
├── 00000[......]
我的需求是只保留人(和没有人的副样本),抽样,其他忽略
import json
import os
import shutil
import random
def coco_to_yolo_bbox(image_width, image_height, bbox):
"""
Convert bbox from COCO format to YOLO format.
COCO format: [top_left_x, top_left_y, width,[......]
在 《NanoDet目标检测之"搭建预测篇"》 中,我们搭建了NanoDet的环境,并用默认权重做了简单的预测,本节我们继续用自己的数据做微调。
1 准备数据
NanoDet支持yolo或者coco格式的标注,自行准备即可,我这里以yolo为例,目录结构如下:
TODO
xxx
2 配置
我们需要融合下两个配置文件,复制:
cp nanodet-plus-m_320.yml nanodet-plus-m_320_face.yml
修改1,保存位置:
save_dir: wo[......]