NVIDIA英伟达嵌入式系统 头像

NVIDIA英伟达嵌入式系统

1225 声望
他还没有填写个人简介
关注了
0
粉丝数
2696
最新动态
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(33):DeepStream 车牌识别与私密信息遮盖

    前一篇文章提到使用deepstream-test的范例代码,修改成“车牌识别”与“遮盖(redaction)”的应用,本文就直接带着大家实现这两个范例的实践,但是并不花时间去解释代码内容,因为基本工作流与逻辑是大致相同的(如下图),就是需要开发人员能够多做实验去熟悉每个插件直接的互动关系。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 文章 34:DeepStream 安装Python开发环境

    大部分我们在网上看到的 DeepStream 示范,都是用开发包里提供的 deepstream-app 这个应用,然后透过“-c”去指定配置文件,来实现很多 DeepStream 的各种用法,包括同时导入多个输入源、结合多个检测器等等,让我们很轻松地体验到 DeepStream 的强大与易用。

    摘要图
  • 发布了文章 ·
    NVIDIA Jetson Nano 2GB 系列文章(32):DeepStream-插件说明

    大部分DeepStream应用演示,都会使用SDK提供的deepstream-app这个非常强大的体验工具,这是从3.x版本就已经开发好的演示应用,只要挑选samples下面的config/deepstream-app里面十多个配置文件,花个十几分钟时间进行小幅度修改,然后用“-c”指定配置文件,就能实现非常多的强大功能,可以执行非常专业的(多屏)输出显示...

    摘要图
  • 发布了文章 ·
    使用Anbox在Jetson Nano 2GB上运行Android应用程序

    **Jetson Nano 2GB是NVIDIA的一款高性价比嵌入式平台。麻雀虽小五脏俱全,战力强悍,但是惜乎没有原生Android系统支持。目前想在Jetson平台上体验Android,可以使用虚拟机运行Android系统,或者使用Anbox这样的平台。Anbox是基于容器开发的,能够为Android程序提供原生运行支持。今天我们来尝试一下在Jetson Nano上编译...

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(31):DeepStream 多模型组合检测-1

    前面已经介绍过关于 DeepStream 各种输入源的使用方式,而且 Jetson Nano 2GB 上开启 4 路输入(两个摄像头+两个视频文件),都能得到 25FPS 以上的实时性能,但毕竟“单一检测器(detector)”检测出来的物件是离散型的内容,例如车、人、脚踏车这些各自独立的信息。有没有什么方法能够实现“组合信息”呢?例如“黑色/大众/...

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB系列文章(30):DeepStream 摄像头“实时性能"

    前面介绍过使用 deepstream-app 工具,启用多个视频进行车辆与行人的识别,并且启动“追踪”功能进行物件追踪的高级功能,接下来就教大家如何在 deepstream-app 里调用 USB 与 CSI 摄像头,并且与先前的视频同时启用来进行物件识别的应用。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(29): DeepStream 目标追踪功能

    在计算机视觉的应用中,“识别”只是一个相当入门的技术,相信很多人在执行深度学习推理应用中,经常产生的质疑就是“识别出的类别,有什么用途呢”?

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(27): DeepStream 简介与启用

    NVIDIA所提供的开发资源,大多属于库(library)或API级别,包括CUDA、CUDNN、CuFFT、CuBLAS、TensorRT等,需要具备足够的C++/Python编程语言基础的开发人员,才有能力发去挥GPU/CUDA的并行计算优势,这个特性某种程度限制了并行计算相关应用的普及。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列(26):“Hello AI World”物件检测的模型训练

    与前面“图像分类的模型训练”几乎完全一致的步骤,本文要带着大家来建立自己专属的物件检测模型,这是实用性较高的部分,因为物件检测的应用比较接地气,能轻易地与生活周遭的场景相结合,所以以“物件检测的模型训练”作为 “Hello AI World” 系列文章的结尾,是非常有意义的事情。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列(25):“Hello AI World”图像分类的模型训练

    前面的所有内容与实验,全部都是关于“推理识别(inference)”的部分,主要是为了让用户先体会到“最终结果”,包括需要花费的精力、以及最后得到的效率。由于项目提供非常多的预训练模型文件,因此我们可以很轻松地调用这些资源,去进行推理计算,并且得到相当惊人的性能。

    摘要图
  • 发布了公开课 ·
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(24):“Hello AI World”的物件识别应用

    本系列最后一个需要说明的推理识别应用,就是语义分割(semantic segmentation)的推理识别,字面上经常造成初学者的误解,以为这是语音语义识别相关的应用。现在我们看看下面的一张图片,就比较能理解语义分割的应用是什么。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(23): “Hello AI World 的物件识别应用

    如果您跟着我们仔细走过前面 9 篇 “Hello AI World” 文章,相信应该都把整个 jetson-inference 的结构与逻辑都摸清楚了,接下来的重点,就是在目前深度学习中比较普及的“物件检测”应用,重点主要有以下三部分:

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(22): “Hello AI World” 图像分类代码

    前一篇文章已经带着大家使用 Hello AI World 项目的 imagenet 指令进行了深度学习图像分类的推理识别实验,但这些演示与测试只是个学习的过程,最终的目的还是要能用起这个项目的资源,为自己开发合适的应用代码。因此本文就延续上一篇文章来向大家介绍 “Hello AI World” 图像分类代码。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(21): “Hello AI World” 图像分类指令

    在前面的文章中,我们以“10 行 python 代码”为基础,深入地讲解了 Hello AI World 项目的输入(videoSource)、输出(videoOutput)以及参数解析的功能,就是为了让大家能更了解这个项目提供的工具是如此好用。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(20):“Hello AI World” 扩充参数解析功能

    NVIDIA Jetson Nano 2GB 系列文章(20):“Hello AI World” 扩充参数解析功能

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(19):Utils 的 videoOutput 工具

    上一篇文章为大家深入地讲解了 videoSource() 这个非常强大的输入源处理模块,本文的重点将聚焦在 videoOutput() 这个输出标的处理模块。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(18):Utils 的 videoSource 工具

    前两篇已经用 10 行 Python 代码展现了 Hello AI World 强大而且简便的物件检测识别能力,虽然大部分的人都将目光集中在了深度学习的三大推理识别(图像分类、物件检测、语义分割),但是在整个项目中,其实还有两个非常重要的功臣功能,那就是 videoSource() 与 videoOutput() 这两个专司输入与输出的接口。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(17):更换模型得到不同效果

    在上一篇文章中,我们已经体验了 “10 行 Python 代码的威力”,可以明显感觉到 “Hello AI World” 的内容绝非一般应用的 “Hello World” 那么简单。在本篇文章中,我们将为大家介绍如何更换模型以获得不同的效果。

    摘要图
  • 发布了文章 ·
    Jetson Nano 2GB 系列文章(16):10 行代码威力

    在上一篇文章中,我们为大家介绍了 Hello AI World 环境安装,本篇文章将会带着大家感受 10 行代码的威力。

    摘要图
认证与成就
认证信息
NVIDIA Jetson运营
获得 245 次点赞
1月18日 加入
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息