Nach dem ich die ersten 31 Modelle trainiert habe für die Erkennung von Antipersonenminen ist mein Datenbestand also die Trainingsdatensätze deutlich angewachsen. Das Ziel war es die false-positive zu reduzieren. Denn es wurden immer wieder Blätter erkannt die ähnlich zu eine PFM-1 Antipersonenmine waren und als solche fälschlicherweise erkannt wurden. Damit das YOLOv5 Netz lernt […]

Bei diesem Beitrag geht es darum ein neuronales Netz auf Basis von YOLOv5 zu trainieren. Dieses YOLO Netz soll PFM-1 Antipersonenminen erkennen können um hier beim automatisierten Erkennen dieser Minen zu unterstützen. Da ich selber das erste Mal mit YOLOv5 und synthetischen Daten arbeite bin ich auf die Ergebnisse gespannt die ein Validierungsdatensatz liefern wird. […]

Jetzt bin ich an einem Punkt angekommen bei der Nutzung von Automatic1111 das ich auch etwas tiefer in die Konfiguration einsteige. Zu Beginn hatte ich Parameter beim Start der Software mit übergeben wie z. B. listen oder port. Aber es gibt noch viel mehr Möglichkeiten der Konfiguration um die eigene Hardware mit Automatic1111 auszureizen. Auf […]

Nach dem ihr AUTOMATIC1111 auf eurem System um die Erweiterung Dreambooth ergänzt habt möchte ich euch kurz erklären wie ihr ein Training aufsetzt und startet. Da ich hier selber noch lerne und ausprobieren muss sollte diese Anleitung als eine erste Idee verstanden werden wie die Abläufe sind und auf was geachtet werden muss. Sicher werde […]

Nach dem im ersten Teil der Installationsanleitung alle Vorraussetzungen geschaffen wurden folgt jetzt im zweiten Teil der Anleitung die Installation von Automatic1111. Das klappt so gut das ich selber sehr erstaunt war wie einfach es war. Wichtig ist, dass ihr die Installation jetzt wenn von euch eingerichtet in der aktiven Anaconda Umgebung “stable-diffusion” vornehmt. Wenn […]