For anyone studying Quick Yolov5 segmentation tutorial in minutes: this guide focuses on implementing the yolov5x-seg model for instance segmentation. It details environment isolation and using dedicated scripts for pixel-level mask generation. #YoloV5

Blog: [https://eranfeit.net/quick-yolov5-segmentation-tutorial-in-minutes/](https://eranfeit.net/quick-yolov5-segmentation-tutorial-in-minutes/)
Video: [https://youtu.be/z3zPKpqw050?si=28h5BhkgfYpkfR_N](https://youtu.be/z3zPKpqw050?si=28h5BhkgfYpkfR_N)

Would you like a version that specifically mentions the Python and CUDA versions used in the environment setup?

🚀 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

[Show GN: EdgeFlow - 수평 확장 가능한 실시간 영상 분산 처리 프레임워크

EdgeFlow는 라즈베리파이와 같은 저성능 기기에서 고fps 영상 처리를 가능하게 하는 k3s 기반의 분산 처리 프레임워크입니다. Redis를 통해 영상 프레임을 여러 처리 노드로 분산하고 다시 취합하는 방식으로 수평 확장을 구현하며, YOLOv5의 성능을 선형적으로 향상시킬 수 있습니다. 주요 특징으로는 직관적인 파이프라인 구성, 유연한 관리, 프레임 순서 보장, 로컬 테스트 등이 있습니다.

https://news.hada.io/topic?id=26349

#edgeflow #distributedprocessing #yolov5 #k3s #realtimevideo

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

Распознаем беспилотники малых размеров с помощью ИИ

Беспилотные летательные аппараты (БПЛА), или дроны, становятся всё более распространёнными в различных областях — от коммерческой доставки и мониторинга сельскохозяйственных угодий до разведывательных миссий и обеспечения безопасности. Однако, по мере роста их числа, возрастает и сложность задачи их распознавания, идентификации и трекинга, особенно когда речь идёт о малых дронах. Читать далее ->

https://habr.com/ru/articles/838782/

#yolov5 #yolov8 #yolov9 #компьютерное_зрение #искусственный_интеллект

The API examples I was working from used row major order. The API I'm using (or the trained #YOLOv5 network) was in column major.

I hate #deepLearning's obsession with untyped data.