PyTorch on G. T. Wang

PyTorch 使用 YOLOv5 與 DeepSORT 進行車輛物件偵測、計算車流量教學與範例

Tue, 12 Apr 2022 10:49:52 +0800

本篇介紹如何在 PyTorch 框架之下使用 YOLOv5 模型，偵測移動車輛、計算雙向的車流量統計。

相關文章：
PyTorch 自行訓練 YOLOv5 物件偵測模型教學與範例

道路監視器即時影像

在網路上有多許免費的道路監視器即時影像（例如 tw.live），這些影像的格式大部分是 MJPEG，我們可以利用 VLC 軟體將這類的及時影像儲存為一般的影片檔，方便後續的操作。

PyTorch 自行訓練 YOLOv5 物件偵測模型教學與範例

Tue, 22 Mar 2022 11:03:25 +0800

介紹如何使用 PyTorch 架構的 YOLOv5 預訓練模型，自行訓練物件偵測模型，用於辨識雞蛋。

安裝 YOLOv5 環境

安裝 Python 的 venc 套件之後，建立一個 YOLOv5 專用的 Python 虛擬環境：

Python 使用 CRAFT 偵測圖片文字教學與範例

Wed, 22 Dec 2021 10:58:36 +0800

介紹如何在 Python 中使用 CRAFT 演算法偵測圖片中彎曲的文字。

安裝 `craft-text-detector` 模組

CRAFT 是一個以深度學習為基礎的文字偵測方法，而作者也將相關的 PyTorch 程式碼放在 GitHub 網站上。

PyTorch 遷移式學習 ResNet 預訓練模型分類 MNIST 數字影像教學與範例

Mon, 20 Dec 2021 10:50:43 +0800

介紹如何使用 PyTorch 實作遷移式學習，以 ResNet18 預訓練模型訓練可分類 MNIST 數字影像的模型。

載入 MNIST 數字資料集

MNIST 資料集是一個包含 0 到 9 手寫數字的影像資料集，其影像格式為灰階影像，而 ResNet18 模型所輸入的影像格式卻為 RGB 的影像，為了讓 MNIST 的影像可以套用 ResNet18 模型，在資料載入時我們使用一個自訂的轉換函數，將灰階影像轉為 RGB 影像，轉換的方式就是把灰階影像的單一 channel 複製成 RGB 影像的三個 channel。

PyTorch 遷移式學習 ResNet 預訓練模型分類螞蟻、蜜蜂圖片教學與範例

Sat, 18 Dec 2021 08:46:58 +0800

介紹如何在 PyTorch 深度學習架構下透過遷移式學習，使用 ResNet 預訓練模型分類螞蟻與蜜蜂圖片。

載入必要模組

首先載入一些必要的模組：

from __future__ import print_function, division

import torch
import torch.nn as nn
import torch.optim as optim
from torch.optim import lr_scheduler
import numpy as np
import torchvision
from torchvision import datasets, models, transforms
import matplotlib.pyplot as plt
import time
import os
import copy

載入資料

這裡我們將從 ImageNet 中取出螞蟻（ants）與蜜蜂（bees）的圖片各約 120 張作為訓練資料集，然後拿另外各約 75 張圖片作為驗證資料集，這樣的資料量對於一般的類神經網路來說算是非常少的，適合採用遷移式學習的方式來處理。實際的資料可以從 PyTorch 的網站上下載。

PyTorch 深度學習函式庫 Fashion-MNIST 影像分類入門教學與範例

Wed, 15 Dec 2021 12:16:26 +0800

介紹如何使用 PyTorch 深度學習函式庫，以 Fashion-MNIST 資料集訓練影像分類模型，並進行預測。

Fashion-MNIST 資料集

Fashion-MNIST 資料集中包含了 60,000 張圖片的訓練資料集與 10,000 張圖片的測試資料集，圖片的格式都是灰階的，類別分為以下 10 類：