在Seeed Studio reComputer Jetson Orin上运行一键运行Ultralytics YOLO所有任务模型,支持TensoRt一件转换，带Web UI和HTTP API接口

小小应用工程师

已于 2024-08-14 16:34:31 修改

阅读量888

点赞数 25

文章标签： YOLO 前端 ui

于 2024-08-14 14:58:54 首次发布

本文链接：https://blog.csdn.net/m0_53134931/article/details/141190766

版权

在Seeed Studio reComputer Jetson Orin上运行一键运行Ultralytics YOLO所有任务模型,支持TensoRt一件转换，带Web UI和HTTP API接口 🚀

所有教程都免费开源，请动动小手点个小星星https://github.com/Seeed-Projects/jetson-examples

Jetson Examples的一键部署Ultralytics Yolo迎来重大更新！

简介 📘

在本项目中，您可以通过一键快速在Nvidia Jetson Orin设备上部署所有YOLOv8任务模型。此设置支持对象检测、分割、人体姿态估计和分类。它支持上传本地视频、图像，使用摄像头，还允许一键转换TensorRT模型。通过访问http://127.0.0.1:5001（在本地机器或同一局域网内），您可以快速开始使用Ultralytics YOLO。此外，还添加了一个HTTP API方法，在http://127.0.0.1:5001/results显示任何任务的检测数据结果，并提供了一个Python脚本，用于在Docker中读取YOLOv8检测数据。

主要功能:

一键部署即插即用：快速在Nvidia Jetson Orin设备上部署所有YOLOv8任务模型。
全面的任务支持：支持对象检测、分割、人体姿态估计和分类。
多功能输入选项：支持上传本地视频、图像，使用摄像头。
TensorRT模型转换：允许一键将模型转换为TensorRT。
Web UI访问：可通过http://127.0.0.1:5001在本地机器或同一局域网内轻松访问。
HTTP API接口：在http://127.0.0.1:5001/results添加了HTTP API以显示检测数据结果。
Python脚本支持：提供了一个额外的Python脚本，用于在Docker中读取YOLOv8检测数据。

本项目中实现的所有模型均来自官方Ultralytics Yolo。

获取Jetson Orin设备 🛒

设备型号	描述	链接
Jetson Orin Nano Dev Kit, Orin Nano 8GB, 40TOPS	NVIDIA Jetson Orin Nano的开发套件	立即购买
reComputer J4012, powered by Orin NX 16GB, 100 TOPS	Orin NX驱动的嵌入式计算机	立即购买

快速入门 ⚡

修改Docker Daemon配置（可选）

为了增强在Docker中快速加载模型的体验，您需要在/etc/docker/daemon.json文件中添加以下内容：

{
  "default-runtime": "nvidia",
  "runtimes": {
    "nvidia": {
      "path": "nvidia-container-runtime",
      "runtimeArgs": []
    }
  },
  "storage-driver": "overlay2",
  "data-root": "/var/lib/docker",
  "log-driver": "json-file",
  "log-opts": {
    "max-size": "100m",
    "max-file": "3"
  },
  "no-new-privileges": true,
  "experimental": false
}

修改daemon.json文件后，您需要重启Docker服务以应用配置：

sudo systemctl restart docker

通过PyPI安装（推荐） 🐍

安装包：
```
pip install jetson-examples
```
重启您的reComputer：
```
sudo reboot
```
通过一条命令在Jetson上运行Ultralytics YOLO：
```
reComputer run ultralytics-yolo
```
“在浏览器中输入http://127.0.0.1:5001或http://device_IP:5001以访问Web UI。”

选择模型：选择YOLOv8 n, s, l, m, x模型及各种任务，如对象检测、分类、分割、人体姿态估计、OBB等。
上传自定义模型：用户可以上传自己训练的YOLOv8模型。
选择输入类型：用户可以选择上传本地图像、视频或使用实时摄像设备作为输入。
启用TensorRT：选择是否转换并使用TensorRT模型。初次转换可能需要不同的时间。

如果您想查看检测结果数据，可以在浏览器中输入http://127.0.0.1:5001/results查看JSON格式的数据结果。这些结果包括对象检测的boxes、分割的masks、人体姿态估计的keypoints及与所有数值类别对应的names。
在这里插入图片描述

我们还提供了一个Python脚本，帮助用户将数据集成到自己的程序中。

import requests

def fetch_results():
    response = requests.get('http://localhost:5001/results')
    if response.status_code == 200:
        results = response.json()
        return results
    else:
        print('Failed to fetch results')
        return None

results = fetch_results()
print(results)

注意事项 📝

随时停止检测，请按停止按钮。
在同一局域网内的其他设备访问WebUI时，使用URL：http://{Jetson_IP}:5001。
访问http://{Jetson_IP}:5001/results即可查看JSON格式的检测结果。
首次模型转换可能需要不同时间，具体取决于硬件和网络环境，请耐心等待。

参考链接🔧

内容贡献者

Seeed Studio–Zhu Yaohui

小小应用工程师

关注

25
点赞
踩
17

收藏

觉得还不错? 一键收藏
0
评论
在Seeed Studio reComputer Jetson Orin上运行一键运行Ultralytics YOLO所有任务模型,支持TensoRt一件转换，带Web UI和HTTP API接口

在本项目中，您可以通过一键快速在Nvidia Jetson Orin设备上部署所有YOLOv8任务模型。此设置支持对象检测、分割、人体姿态估计和分类。它支持上传本地视频、图像，使用摄像头，还允许一键转换TensorRT模型。通过访问（在本地机器或同一局域网内），您可以快速开始使用Ultralytics YOLO。此外，还添加了一个HTTP API方法，在显示任何任务的检测数据结果，并提供了一个Python脚本，用于在Docker中读取YOLOv8检测数据。
复制链接

扫一扫