我在 Jetson Nano 上使用 Docker （https://blog.iyatt.com/?p=5822 ：blog.iyatt.com-ubuntu_18.04-cuda_10.2-cudnn_8.2.1-opencv_contrib_4.5.5-tensorflow_2.5.0-pyt[……]
带有YOLOv5标签的文章
车辆+信号灯+交通标志+行人融合识别
本文资源文件下载：https://pan.baidu.com/s/17TQB6Z380U9ftklTQqXZrg?pwd=b1o0
因为一个任务要求，要做到把这些合在一起识别。经过考虑采用 BDD100K 数据集，虽然这个数据集是在美国采集的，但是在中国基本上没区别。开始的时候我是去官网下载这[……]
AttributeError: ‘Upsample’ object has no attribute ‘recompute_scale_factor’
我遇到这个错误的地方：PyTorch 1.11.0 下，在 YOLOv5 v6.1 使用官方提供的预训练模型测试时报错。
根据报错（上面我选中的部分），编辑这个文件，找到指定的错误行，上面指出的 154 行
将 return F.interpolate(input, self.siz[……]
斑马线检测
开始先尝试了传统视觉处理的方式进行检测，但是在条件变化后，检测效果就很差。因此决定采用神经网络，基于 YOLOv5 进行训练，考虑到 YOLOv5 是建立在 PyTorch 的基础上运行的，终端运行的时候再配置一个 PyTorch + YOLOv5 + OpenCV 就显得有点麻烦，而 OpenCV[……]
基于 YOLOv5 和 OpenCV DNN 的目标检测
本文资源文件下载：https://pan.baidu.com/s/1m2ibm5RFV9O9nu6xg5egbg?pwd=j2mq
方式一：OpenCV DNN + YOLOv5 预训练模型
模型文件下载及转换
这里采用的 YOLOv5 版本为 6.1
下载模型文件：http[……]
车牌识别 – 定位
发布于：blog.iyatt.com
本文资源文件下载：https://pan.baidu.com/s/1pjQiroUfqpxJp4JEdcaaLg?pwd=oqcu
测试环境（基础）：
车牌识别的第一步就是需要车牌定位，在图像中找到车牌的位置。刚开始我尝试过纯视觉处理，但是[……]