-
资料使用必读
资料使用必读我司提供资料主要是帮助广大使用者能够快速上手我司出厂设备,资料取自网上或者我司工作人员制作.无法保证100%的正确性,在阅读我司提供资料时,可能会遇到部分错误,遇到错误问题时,一切以实际情况为准,本资料只为帮助各位迅速上手,非攻克某些技术问题之答案,使用者遇到问题须以自身去搜寻答案为第一要素.如需帮助,在我司工作人员有解决经验的情况下必会进行相关协助,但我司人员无义务为各位使用人员解决
2023-07-25 admin
-
汽车检测
汽车检测1.介绍该项目包含背靠背检测器应用程序，以展示Deepstream SDK的功能。请按照apps/sample_apps/deepstream-app/README中的说明安装deepstream SDK、deepstream SDK本身和应用程序的必备组件。要是使用我们镜像可以跳过这一步。2.下载模型要下载第二个nvinfer的模型，请访问https://github.com/NVIDI
2023-07-25 tuwei312
-
姿态估计
姿态估计1.简介姿势估计包括定位形成骨架拓扑（又名链接）的各种身体部位（又名关键点）。姿势估计有多种应用，包括手势、AR/VR、HMI（人机界面）和姿势/步态校正。为人体和手部姿势估计提供了预先训练的模型，该模型能够在每帧中检测多个人。poseNet对象接受图像作为输入，并输出对象姿势列表。每个对象姿势都包含一个检测到的关键点列表，以及它们的位置和关键点之间的链接。您可以查询这些以查找特定功能。p
2023-07-25 admin
-
语义分割
语义分割1.语义分割介绍我们将在本教程中介绍的下一个深度学习功能是语义分割。语义分割是基于图像识别的，除了分类发生在像素级别，而不是整个图像。这是通过对预先训练的图像识别主干进行卷积来实现的，该主干将模型转换为能够按像素标记的全卷积网络（FCN）。分割对于环境感知特别有用，它为每个场景产生了许多不同潜在对象的密集的每像素分类，包括场景前景和背景。 segNet接受2D图像作为输入，并输出具有每像素
2023-07-25 admin
-
![训练图像分类模型]()
训练图像分类模型
训练图像分类模型1.训练前的准备在这个教程开始前，python必须安装好torchCPU+GPU版本，可以看本系列教程的torch的安装教程。2.开始对猫狗数据集重新训练(我司提供的压缩包里包含此项,无需执行此步骤)cd jetson-inference/python/training/classification/datawget https://nvidia.box.com/shared/st
2023-07-25 admin
-
![训练对象检测模型]()
训练对象检测模型
训练对象检测模型1.训练前的准备在这个教程开始前，python必须安装好torchCPU+GPU版本，可以看本系列教程的torch的安装教程。因为基础模型已经有一些基础的信息，如果从头训练将会大大增加训练的时间，所以本教程只讲解对基础模型重新训练，如果想从头训练请看上一章的训练教程2.进行图片素材的下载cd /home/jetson/jetson-inference/python/training
2023-07-25 admin
-
![图像分类推理]()
图像分类推理
图像分类推理1.ImageNet对图像进行分类有多种类型的深度学习网络可用，包括识别、检测/定位和语义分割。我们在本教程中强调的第一个深度学习功能是图像识别，它使用在大型数据集上训练的分类网络来识别场景和对象。imageNet对象接受输入图像并输出每个类别的概率。在1000个对象的ImageNet ILSVRC数据集上进行了训练后，GoogleNet和ResNet-18模型在构建步骤中自动下载。有
2023-07-25 admin
-
![摄像头测试]()
摄像头测试
摄像头测试1.CSI摄像头教程注意：暂时只支持IMX219传感器的摄像头：如何测试摄像头，打开Jetson orin NX的终端写入命令：nvgstcapture-1.0 ，摄像头就会起来了命令介绍--prev_res 预览视屏的分辨率，高度和宽度，用的是CSI摄像头的话范围是 2 to 12 (5632x4224) 举例:nvgstcapture-1.0 --prev-res=3--cus-pr
2023-07-25 admin
