yolov4 |
您所在的位置:网站首页 › yolov5调用csi摄像头 › yolov4 |
软硬件版本
Jetson Nano 4G ubuntu 18.04 JP 4.5.1 CUDA 10.2 TensorRT 7.1.3.0 Python 3.6 一、下载源码 git clone https://github.com/AlexeyAB/darknet.git二、编辑Makefile cd darknet sudo vim Makefile三、编译 在darknet路径下输入 make -j4编译成功,输入./darknet有如下输出 四、将我们在windows下训练好的权重以及改好的文件复制到板子上的darknet文件夹相应位置 复制的文件有四个个分别是: 1.我们训练好的权重文件 2.修改过的cfg文件夹下的cfg/yolov4-tiny.cfg 3.修改后的cfg文件夹下的cfg/coco.data 4.修改后的cfg文件夹下的cfg/coco.name 我这里把修改后的四个文件统一放在了一个文件夹里面如下 通过WinSCP把这个文件夹直接拖到nano的darknet里面 五、USB摄像头测试 输入指令 ./darknet detector demo ok/new.data ok/yolov4-tiny-new.cfg ok/yolov4-tiny-new_last.weights /dev/video1六、CSI摄像头检测 1.先安装 GStreame sudo add-apt-repository universe sudo add-apt-repository multiverse sudo apt-get update sudo apt-get install gstreamer1.0-tools gstreamer1.0-alsa gstreamer1.0-plugins-base gstreamer1.0-plugins-good gstreamer1.0-plugins-bad gstreamer1.0-plugins-ugly gstreamer1.0-libav sudo apt-get install libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libgstreamer-plugins-good1.0-dev libgstreamer-plugins-bad1.0-dev2.输入下面指令显示安装成功 3. 测试 ./darknet detector demo ok/new.data ok/yolov4-tiny-new.cfg ok/yolov4-tiny-new_last.weights "nvarguscamerasrc ! video/x-raw(memory:NVMM), width=1280, height=720, format=NV12, framerate=30/1 ! nvvidconv flip-method=2 ! video/x-raw, width=1280, height=720, format=BGRx ! videoconvert ! video/x-raw, format=BGR ! appsink"4.效果 USB摄像头和CSI摄像头在FPS上差别不大,后续我还会进行tensorrt转换 重头戏!!!进行tensorrt转换并调用摄像头一、下载源码 我是在电脑上下载的源码然后复制到nano板子上 GitHub - jkjung-avt/tensorrt_demos: TensorRT MODNet, YOLOv4, YOLOv3, SSD, MTCNN, and GoogLeNet 二、将我之前训练好的yolov4-tiny.weights和yolov4-tiny.cfg从电脑上复制到刚才下载好的文件中,路径是tensorrt_demos-master/yolo 注意这里的yolov4-tiny.weights是我们之前训练好的,yolov4-tiny.cfg是我们训练时修改过的 三、看一下requirements.txt中我们是否满足条件 四、返回上一层plugins文件夹下执行make编译 编译成功生成yolo_layer.o和libyolo.layer.so文件 如果不编译的话后面运行onnx_to_tensorrt.py会有如下错误 五、将yolov4-tiny.weights文件转换为onnx格式 在tensorrt_demos-master/yolo下输入 python3 yolo_to_onnx.py -m yolov4-tiny 六、生成trt文件 python3 onnx_to_tensorrt.py -m yolov4-tiny 七、调用CSI检测(测试的时候都是在tensorrt_demos-master文件夹下进行) 这里检测代码我们可以看utils/camera.py,里面有说怎么调用 返回上层文件夹输入 python3 trt_yolo.py --gstr "nvarguscamerasrc ! video/x-raw(memory:NVMM), width=1280, height=720, format=NV12, framerate=30/1 ! nvvidconv flip-method=2 ! video/x-raw, width=1280, height=720, format=BGRx ! videoconvert ! video/x-raw, format=BGR ! appsink" -m yolov4-tiny即可调用CSI摄像头,FPS17左右 八、调用USB摄像头 输入 python3 trt_yolo.py --usb 1 -m yolov4_tiny即可调用USB摄像头,FPS=26左右 九、测试MP4视频 python3 trt_yolo.py --video ceshi.MP4 -m yolov4_tiny十、修改置信度 可以修改置信度也可以不修改,打开trt_yolo.py 参考博文: jetson-nano项目:使用csi摄像头运行yolov3-tiny demo_x16516581的博客-CSDN博客 Nvidia Jetson Nano 安装 GStreamer_.-CSDN博客 Jetson Nano使用YOLOv4进行目标检测_FriendshipTang的博客-CSDN博客 Jetson nano从烧录系统到DeepStream+TensorRT+yolov5检测CSI摄像头视频 - 哔哩哔哩 在Jetson Nano上进行实时目标检测:使用tensorRT加速yolov3 v4-tiny (tensorrt_demos)_Uncle Pan's Blog-CSDN博客_jetson nano yolov4加速 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |