|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/yolov5-nano/
课程评论：没有评论
本课程《YOLOv5目标检测实战：Jetson Nano部署》旨在教授学员如何在Jetson Nano开发板上高效部署高性能的PyTorch版YOLOv5实时目标检测模型。 课程内容分为**原理篇**和**实践篇**。 **原理篇**将深入介绍： * **DeepStream**：NVIDIA推出的AI视频处理加速引擎和应用程序框架，提供硬件加速构建块，简化流处理管道开发。 * **TensorRT**：用于优化和部署深度学习模型的推理引擎，实现高性能推理。 * **TensorRTx**：使用TensorRT网络定义API实现流行深度学习网络的部署，支持YOLOv5的TensorRT加速。 **实践篇**将带领学员完成以下关键步骤： * **Jetson Nano硬件搭建与系统镜像烧录**。 * **远程登录工具的安装与配置**。 * **DeepStream的安装与基础功能测试**。 * **YOLOv5模型的安装与配置**。 * **生成YOLOv5s.wts和yolov5s.engine文件**（用于TensorRT优化）。 * **使用DeepStream部署YOLOv5模型**，实现对图像、视频文件及摄像头视频的实时目标检测。 * **在Jetson Nano上进行部署测试**。 课程提供Jetson Nano系统镜像和远程登录工具的百度网盘下载链接。 本课程是YOLOv5系列实战课程之一，后续还将推出更多关于YOLOv5的训练、部署和应用课程，包括但不限于：训练自定义数据集、原理与源码解析、Flask Web部署、TensorRT加速部署、口罩佩戴检测、交通标志识别、垃圾分类目标检测，以及YOLOv5+DeepSORT多目标跟踪与计数。
PyTorch版的YOLOv5是高性能的实时目标检测方法。Jetson Nano是英伟达含有GPU的人工智能硬件。本课程讲述如何部署YOLOv5在Jetson Nano开发板上。部署完成后可进行图像、视频文件和摄像头视频的实时目标检测。部署时使用AI视频处理加速引擎TensorRT和DeepStream。DeepStream应用程序框架具有硬件加速构建块，可将深层神经网络和其他复杂处理任务带入流处理管道。开发者只需专注于构建核心深度学习网络，而不是从头开始设计端到端解决方案。DeepStream 实时视频流分析包含实时视频解码和神经网络进行推理。推理由一个主线程通过调用TensorRT推理引擎来处理所有批量推理任务。Tensorrtx使用TensorRT网络定义API实施流行的深度学习网络，支持YOLOv5的TensorRT加速。课程内容包括：原理篇（DeepStream介绍、TensorRT介绍、 tensorrtx介绍）、实践篇（Nano硬件搭建、烧录系统镜像、安装远程登录工具、安装和测试DeepStream、安装yolov5、生成yolov5s.wts文件、生成yolov5s.engine、使用DeepStream部署yolov5、Nano部署测试）本课程提供Jetson Nano系统镜像、远程登录工具的下载（百度网盘）【相关课程】本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：《YOLOv5目标检测实战：训练自己的数据集》《YOLOv5目标检测：原理与源码解析》《YOLOv5目标检测实战：Flask Web部署》《YOLOv5目标检测实战：TensorRT加速部署》《YOLOv5目标检测实战：Jetson Nano部署》《YOLOv5实战口罩佩戴检测》《YOLOv5实战交通标志识别》《YOLOv5实战垃圾分类目标检测》《YOLOv5+DeepSORT多目标跟踪与计数精讲》
