首页 » 机器视觉 » 正文

[系列文章]Nvidia Jetson TX2使用yolov5进行目标检测

2024-11-05 103 0

文章目录[隐藏]

前言
文章列表

前言

ultralytics公司开源的目标检测算法yolov5在最近一段时间十分火热，而这次正好碰上一个实际应用（分拣小车）的机会，便在此记录下全过程以供参考。其中目标检测的作用在于标出每一帧输入图像中垃圾的具体位置（框），并以该信息做PNP解算，得到相应需发送给下位机的速度指令，使其到达垃圾所在位置并捡起以进行后续操作。
实际效果如下：

Nvidia TX2实现垃圾目标检测（yolov5 + TensorRT）

文章列表

版权声明：本文为CSDN博主「Rosetta_Leong」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/RosettaLeong/article/details/117880883

Rosetta_Leong

我还没有学会写个人说明！

查看作者页面

暂无评论

发表评论取消回复

要发表评论，您必须先登录。

相关推荐

Cross Stage Partial Network(CSPNet)

机器视觉 2025-01-10

Cross Stage Partial Network(CSPNet)

Cross Stage Partial Network(CSPNet) 一. 论文简介降低计算量，同时保持或提升精度主要做的贡献如下(可能之前有人已提出)：提出一种思想，特征融合方式(降低计算量的

怎样制作目标检测的训练样本图像（医疗图像、遥感图像、大图像裁剪）

机器视觉 2025-01-03

怎样制作目标检测的训练样本图像（医疗图像、遥感图像、大图像裁剪）

本文可以随意转载，但是请保留内容完整，并保留原文链接像元值应该如何进行归一化？不能想当然地认为像元值的取值范围就是0到255，虽然普通数码相机拍摄出来的图像各个通道的取值范围确实是

Dynamic Head: Unifying Object Detection Heads with Attentions论文阅读

机器视觉 2024-12-25

Dynamic Head: Unifying Object Detection Heads with Attentions论文阅读

paper:https://arxiv.org/pdf/2106.08322v1.pdf code: https://github.com/microsoft/DynamicHead 摘要在目标检测中，定位和分类相结合的复杂

CVPR2020论文笔记——EfficientDet---双尺度特征融合BiFPN目标检测

机器视觉 2024-12-22

CVPR2020论文笔记——EfficientDet---双尺度特征融合BiFPN目标检测

代码：https://github.com/google/automl/tree/ master/efficientdet. 摘要：提出了提高效率的几个关键优化提出了一种加权的双向特征金字塔网络，它