[系列文章]Nvidia Jetson TX2使用yolov5进行目标检测

文章目录[隐藏]

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

  1. Nvidia Jetson TX2刷机(三天刷机真实过程包教包会)
  2. [超详细!!!]yolov5_4.0版本目标检测(环境配置+数据集制作+模型训练)–垃圾分拣业务流
  3. 【全网唯一】【yolov5模型部署落地】Nvidia Jetson TX2使用TensorRT部署yolov5s模型

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!

暂无评论

发表评论

相关推荐

YOLOX:高性能目标检测的最新实践 | 报告详解

近年来,目标检测的工程应用研究中,YOLO系列以快速响应、高精度、结构简单以及容易部署的特点备受工程研究人员的青睐。同时,YOLO系列存在需要手工设定样本正负导致模型泛化能力较差的问题。为了解决此类问题