#yolov5 — Public Fediverse posts

RE: https://mas.to/@seeingwithsound/111834395889199173

(PDF, 2023) Delivering sensory and semantic visual information via auditory feedback on mobile technology https://apps.dtic.mil/sti/trecms/pdf/AD1226041.pdf #AI-Sight app, #SoundSight, #blindness #iPhone #LiDAR #DeepLabV3 #YOLOv5 #YOLOv8

🚀 Just completed a full pipeline for YOLOv5 on the #RK3568!

From local training on Windows to real-time NPU inference on the dev board.

✅ YOLOv5 Custom Training
✅ .pt ➡️ .onnx ➡️ .rknn conversion
✅ RKNN-Toolkit2 & RKNPU2 optimization
✅ Successful board-level deployment

The RK3568 is a beast for edge AI when the conversion is done right! 🛠️💻
https://www.forlinx.net/industrial-news/yolov5-training-rk3568-rknn-deployment-guide-775.html

#AIoT #EmbeddedSystems #YOLOv5 #Rockchip #ComputerVision #EdgeAI

Компьютерное зрение на С++: подключаем ML-библиотеки и обрабатываем результаты поиска объектов

Привет, Хабр! Меня зовут Кирилл Колодяжный, я разрабатываю системы хранения данных в YADRO и изучаю нестандартные подходы к машинному обучению: создаю ML-проекты на С++. Это вторая часть цикла о разработке приложения для обнаружения предметов на С++. В прошлом материале мы выяснили, как создать проект в IDE Android Studio, реализовать сессию непрерывного захвата и преобразовать изображение в матрицу OpenCV. Ссылку вы найдете в конце статьи. В этой статье продолжим реализацию проекта и обсудим следующие шаги: • Как подключить к проекту библиотеки машинного обучения PyTorch и NCNN. • Как получить модели YOLOv5 и YOLOv4 для использования на мобильном устройстве. • Как реализовать инференс моделей для обнаружения объектов. • Как обработать результаты работы моделей YOLO, реализовав алгоритмы Non-Maximum-Suppression и Intersection-Over-Union. В конце сравним производительность PyTorch и NCNN и решим, какой фреймворк подойдет для задачи лучше.

https://habr.com/ru/companies/yadro/articles/856110/

#c++ #computer_vision #машинное_обучение #pytorch #yolov5 #обнаружение_объектов #приложение_для_android

Распознавание ж/д пикетных столбиков по фотографиям с беспилотника на основе PyTorch и YOLOv5

Тенденция применения беспилотных летательных аппаратов (БПЛА) продолжает развиваться и процветать. Оснащение беспилотников камерами и навигационным оборудованием геодезического класса точности позволяет получать ортофотопланы с сантиметровой точностью. Расширить возможности БПЛА можно применив нейронные сети, способные распознавать объекты на фотографиях. В статье рассмотрен процесс подготовки фотографий с БПЛА, разметки объектов для обучения нейронной сети, ее обучения и получения результата в виде выявления объекта на новом фото на реальном участке железнодорожного перегона, определяемые объекты – пикетные столбики. Исходный код обработки данных и обучения модели выгружен на GitHub .

https://habr.com/ru/articles/854646/

#PyTorch #yolov5 #компьютерное_зрение #беспилотники #нейронные_сети

ИИ-система инспекции груза: преимущества, вызовы и реализация

В мире логистики и грузоперевозок огромное значение придается сохранности груза. Склады обязаны обеспечить целостность и сохранность груза во время хранения, так как любые повреждения влекут за собой потерю доверия клиентов и ощутимые штрафы. Эта проблема решается качественной инспекцией груза и ведением отчетности о его состоянии, — процесс, который можно облегчить с помощью искусственного интеллекта.

https://habr.com/ru/companies/agima/articles/852250/

#ai #искусственный_интеллект #логистика #label_studio #datapipe #yolov5 #yolov8

ИИ-система инспекции груза: преимущества, вызовы и реализация

В мире логистики и грузоперевозок огромное значение придается сохранности груза. Склады обязаны обеспечить целостность и сохранность груза во время хранения, так как любые повреждения влекут за собой потерю доверия клиентов и ощутимые штрафы. Эта проблема решается качественной инспекцией груза и ведением отчетности о его состоянии, — процесс, который можно облегчить с помощью искусственного интеллекта.

https://habr.com/ru/companies/agima/articles/851424/

#ai #искусственный_интеллект #логистика #label_studio #datapipe #yolov5 #yolov8

Компьютерное зрение на C++: пишем приложение для поиска объектов под Android

Привет, Хабр! Меня зовут Кирилл Колодяжный, я пишу код на С++ для систем хранения данных в YADRO. Помимо основной работы, интересуюсь машинным обучением и его возможностями, в том числе на «плюсах». Недавно мне стало интересно разобраться, как развернуть модель компьютерного зрения на мобильном устройстве с операционной системой Android. Я изучил доступные инструменты, чтобы понять, какие части приложения можно реализовать на С++, и написать само приложение для телефона. Ни в одном из материалов на подобную тему не описывают реализацию такого приложения от начала до конца, поэтому я собрал свой опыт в серию статей. Расскажу, как реализовать обнаружение объектов в реальном времени с помощью камеры на мобильной платформе Android с использованием библиотек PyTorch и NCNN и моделей компьютерного зрения YOLOv5 и YOLOv4. Шаблон моего приложения пригодится тем, кто хочет проверить прототип функциональности для компьютерного зрения на С++, использующий OpenCV на Android, но не хочет глубоко погружаться в программирование под Android. В первой части цикла мы: • создадим проект в IDE Android Studio, • реализуем сессию непрерывного захвата изображений камеры, • преобразуем изображения в матрицу OpenCV, чтобы сделать дальнейшую работу удобной.

https://habr.com/ru/companies/yadro/articles/850786/

#ml #cpp #computer_vision #android #pytorch #opencv #ncnn #yolov5 #yolov4 #torchscript

Разработка производительного распознавателя автономеров для edge-устройств

«Мы всего лишь хотели пофиксить баги в своем продукте, а психанули и создали аналог одной из библиотек» — CV-инженеры CodeInside. Итак, в созданной нами системе мониторинга транспортного потока Smart Traffic System доступен функционал по распознаванию номерных знаков автомобилей. Для работы этой функции ранее мы использовали библиотеку автоматического определения и распознавания автомобильных номеров — opensource-решение Nomeroff-net. Однако, во время пользования этой библиотекой, столкнулись с долгим запуском и inference + библиотека занимала большое количество оперативной памяти. Так как мы решали эти проблемы в коммерческом проекте, кода здесь не будет. И вместе с тем, в статье указали репозиторий, конкретные шаги решения, чтобы при возникновении аналогичных проблем, вы смогли адаптировать его под свой проект.

https://habr.com/ru/articles/797275/

#python #компьютерное_зрение #распознавание_номеров #распознавание_номеров_машин #yolov5 #torch #tensorflow #ocr #numberplate