xingguang12

> 具体代码写在哪里我不记得了。应该是在post-process部分。实现的方法是：检测器检测出来两个类别，第0类是斑马线，第1类是导向箭头，然后只取类别为第0类的，就过滤掉了。 在 2023年2月22日 ***@***.***> 写道： 您在论文中写道“在训练过程中，将同时检测人行横道和引导箭头，引导箭头将从最终的检测结果中排除。这样实际上增加了训练中导箭的损失函数。”，请问您是怎么将引导箭头将从最终的检测结果中排除的？我在您的detect.py代码中并没有看到相应操作，您能指点我一下吗？ — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you are subscribed to this thread.Message...

The following is my environment，Yolov5 6.2 version is used.： absl-py 0.13.0 anyio 3.3.1 argon2-cffi 21.1.0 attrs 21.2.0 Babel 2.9.1 backcall 0.2.0 bleach 4.1.0 brotlipy 0.7.0 cachetools 4.2.2 certifi 2021.5.30 cffi...

import torch import cv2 model = torch.hub.load('./', 'custom', './x.pt', source='local') frame = cv2.imread('C:\my_create\python_code\detect/tt100k_2021\imgs/tt100k_v5_format_end\images/test/69135.jpg') results = model(frame) res = results.pandas().xyxy[0] print(res) Fusing layers... YOLOv5s-p2-asf3_1 summary: 286 layers, 8429048 parameters, 0 gradients,...

``` import time import random import threading from multiprocessing import Process, Manager from UltraDict import UltraDict class A(): def __init__(self, name, dictname): self.name = name self.dictname = dictname self.personnum =...

the code raise UltraDict.Exceptions.CannotAttachSharedMemory: Could not get memory 'wnsm_0cbb1722'

thanks a lot