算法部署 | 使用TensorRT+DeepSort+YOLOv5在NVIDIA-Jetson平台上部署目标跟踪算法

  • 项目应用场景
    • 面向英伟达 Jetson 边缘计算平台部署目标跟踪算法场景,使用深度学习算法 YOLOv5 + DeepSort 来实现,并使用 TensorRT 进行算法加速,项目支持 NVIDIA Jetson Xavier、NVIDIA Jetson Xavier NX、X86 平台的算法部署。
  • 项目效果
  • 项目细节 ==> 具体参见项目 README.md
    • (1) 模型转换,参考 README 将 YOLOv5 Pytorch 模型转换为 TensorRT Engine 模型
    • (2) 安装依赖
bash 复制代码
pip install -r requirements.txt
    • (3) 执行算法
bash 复制代码
python demo_trt.py
  • 项目获取
相关推荐
Chasing Aurora9 天前
深度学习 的GPU介绍
人工智能·深度学习·gpu算力·nvidia·智能电视·英伟达·vgpu
小溪彼岸16 天前
NVIDIA免费API的申请与配置
nvidia
清@尘16 天前
查看显卡支持版本
nvidia·cuda
小米的修行之路17 天前
NVIDI核心板cuda, cudnn,tensorrt安装方法
nvidia·tensorrt·cuda·cudnn
逸俊晨晖18 天前
NVIDIA 4090 使用 TensorRTx 部署 YOLOv8
目标检测·nvidia·tensorrtx
self-motivation19 天前
在jetson thor上高效部署π0.5和yolo模型
pytorch·yolo·tensorrt·π0.5·jetson thor
逸俊晨晖21 天前
NVIDIA 4090的8路1080p实时YOLOv8目标检测
人工智能·yolo·目标检测·nvidia
fleaxin24 天前
统信服务器操作系统V20(1070)安装过程
docker·操作系统·nvidia·统信
安全二次方security²1 个月前
CUDA C++编程指南(7.31&32&33&34)——C++语言扩展之性能分析计数器函数和断言、陷阱、断点函数
c++·人工智能·nvidia·cuda·断点·断言·性能分析计数器函数