TAO jetson-nano_yolov4-tiny性能测试

已于 2023-07-24 21:48:24 修改
阅读量174 收藏
点赞数
分类专栏： NVIDIA 边缘计算 深度学习 文章标签： YOLO 服务器 图像处理
于 2023-07-20 16:26:31 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/nielinyuan1466/article/details/131828641
版权

一、yolov4_cspdarknet_tiny_epoch_080_fp16.engine

1、IOU跟踪器

1.1 jetson-nano_yolov4-tiny_IOU

jetson-nano_yolov4-tiny_IOU FPS

1.2 jetson-nano_yolov4-tiny_IOU_interval-1

jetson-nano_yolov4-tiny_IOU_interval-1 FPS

2、NvDCF-perf跟踪器

2.1 jetson-nano_yolov4-tiny_NvDCF-perf

jetson-nano_yolov4-tiny_NvDCF-perf FPS

2.2 jetson-nano_yolov4-tiny_NvDCF-perf_interval-1

jetson-nano_yolov4-tiny_NvDCF-perf_interval-1 FPS

3、NvDCF-accuracy跟踪器

3.1 jetson-nano_yolov4-tiny_NvDCF-accuracy

jetson-nano_yolov4-tiny_NvDCF-accuracy FPS

3.2 jetson-nano_yolov4-tiny_NvDCF-accuracy_interval-1

jetson-nano_yolov4-tiny_NvDCF-accuracy_interval-1 FPS

4、DeepSORT跟踪器

4.1 jetson-nano_yolov4-tiny_DeepSORT

jetson-nano_yolov4-tiny_DeepSORT FPS

4.2 jetson-nano_yolov4-tiny_DeepSORT_interval-1

jetson-nano_yolov4-tiny_DeepSORT_interval-1 FPS

5、deepstream-app默认跟踪器

5.1 jetson-nano_yolov4-tiny_tracker-default

jetson-nano_yolov4-tiny_tracker-default FPS

5.2 jetson-nano_yolov4-tiny_tracker-default_interval-1

jetson-nano_yolov4-tiny_tracker-default_interval-1 FPS

总结

性能比较
tracker-default > IOU > NvDCF-accuracy > DeepSORT > NvDCF-perf

立昂
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
极智AI | 英伟达 Jetson 系列边缘盒子性能测评
极智视界
08-30 2567
本文记录了英伟达 Jetson 系列边缘盒子的性能测评小结。
Jetson-nano_ROS
10-12
jetson-nano的ROS镜像
NVIDIA Jetson之benchmark测试
ZONGXP的博客
08-19 1079
NVIDIA Jetson之性能测试方法
yolov4-tiny和yolov5s部署在jetson nano上的速度对比
weixin_54603153的博客
09-15 3139
最近的一段时间我学习了将yolov4-tiny和yolov5s部署到jetson nano上，并进行了tensorrt转换和deepstream部署 yolov5s源码(USB摄像头) 9FPS yolov5s+tensorrt（USB摄像头） 13FPS yolov5s+tensorrt+deepstream（CSI摄像头） 14FPS yolov4-tiny（USB摄像...
深度学习图像处理技术篇(一)：YOLOv4 VS YOLOv4-tiny
源代码杀手的博客
03-22 3657
原文作者：Techzizou 编辑笔者：AI科技与算法编程 YOLO是最先进的实时物体检测系统。它是由约瑟夫·雷德蒙（Joseph Redmon）开发的。它是一种实时对象识别系统，可以在单个帧中识别多个对象。随着时间的流逝，YOLO已演变为较新的版本，即YOLOv2，YOLOv3和YOLOv4。 YOLO使用的方法与以前的其他检测系统完全不同。它将单个神经网络应用于完整图像。该网络将图像划分为多个区域，并预测每个区域的边界框和概率。这些边界框由预测的概率加权。 下图展示了YOLO的基本思想。YOLO将输入图
目标检测实战(二)：YoloV4-Tiny训练、测试、评估完整步骤
源的博客
09-02 8180
文章目录Yolov4-Tiny讲解Yolov4-Tiny-backboneGithub-代码下载数据集下载数据集处理训练网络预测网络评估网络 Yolov4-Tiny讲解 https://www.bilibili.com/video/BV18h411d7by?p=4 Yolov4-Tiny-backbone Github-代码下载 https://github.com/bubbliiiing/yolov4-tiny-pytorch 数据集下载 这里用的数据集是VOC2007或者2012 官网下载地址：htt
YoloV4-ncnn-Jetson-Nano:适用于Jetson Nano的YoloV4
04-05
YoloV4-ncnn-Jetson-Nano 带有ncnn框架的YoloV4。 论文： : 专为Jetson Nano设计的产品，请参阅 基准。 模型 杰特逊纳米2015 MHz RPi 4 64-OS 1950兆赫 YoloV2（416x416） 10.1帧/秒 3.0帧/秒 YoloV3（352x352）...
Face-Mask-Detection-Jetson-Nano:Jetson Nano上的面罩检测
04-19
面膜检测Jetson-Nano 在Jetson Nano上以44-5 FPS运行的快速面罩识别。 这是在公共领域中发现的两种深度学习模型的快速C ++实现。 第一个是在ncnn框架上运行的Linzaer的面部检测器。 。 第二个是Paddle Lite遮罩检测...
jetson-ffmpeg:在Jetson Nano上的ffmpeg支持
05-12
cd jetson-ffmpeg mkdir build cd build cmake .. make sudo make install sudo ldconfig 2.修补ffmpeg并构建 git clone git://source.ffmpeg.org/ffmpeg.git -b release/4.2 --depth=1 cd ffmpeg wget ...
Real-time_Linux_for_Jetson_Nano_.pdf
11-01
为NVIDIA Jetson 平台打上 PREEMPT_RT Patch 实时补丁
jetson nano 运行YOLOv4
qq_18522785的博客
12-04 1060
搭建相关的深度学习环境，包含cuda和cudnn 我使用的店家直接烧录好的系统和内置的一些环境 整体跑YOLOv4的运行速度还是有点卡，v4速度在2左右 tiny速度在15左右，不过tiny的识别率还是很低的，还有继续优化的空间 ...
YOLO v4在jetson nano的安装及测试
duping812的博客
11-02 3771
You only look once (YOLO)是一款非常著名的物体识别深度学习网络，可实现快速检测的同时还达到较高的准确率。官网 https://pjreddie.com/darknet/yolo/ 本问介绍yolo v4版的安装与测试。为了提高检测速率，硬件部分选择了nvidia公司出品的低成本jetson nano，利用CUDA实现GPU加速。 文章目录1. 准备工作2. 安装YOLO3. 测试参考文献 1. 准备工作 jetson nano 4G内存版，安装系统镜像，自带的jetpack 4.6已
【YOLOv5/v7改进系列】替换特征融合网络为AFPN
2401_84870184的博客
05-22 864
介绍了一种新的特征金字塔网络结构——渐近特征金字塔网络（Asymptotic Feature Pyramid Network, AFPN），旨在解决目标检测任务中多尺度特征提取的问题，特别是非相邻层级间特征信息的损失和退化。
番外篇 | YOLOv8改进之更换主干网络MobileNetv3 + 添加CA注意力机制
突然好想你
05-21 336
MobileNetv3是一种轻量级网络，采用了深度可分离卷积等轻量化技术，具有较小的模型参数量和计算复杂度，适合在计算能力较弱的设备上运行。本节课就让我们结合论文来对YOLOv8进行组合改进（更换主干网络MobileNetv3 + 添加CA注意力机制），希望同学们学完本节课可以有所启迪！🌈
番外篇 | YOLOv8改进之在C2f中引入多元分支模块DiverseBranchBlock | 涨点必备
突然好想你
05-22 386
Diverse Branch Block (DBB) 是一种用于增强卷积神经网络性能的结构重新参数化技术。基本原理在于增加卷积层的复杂性，通过引入不同尺寸和结构的卷积分支来丰富网络的特征表示能力。🌈
特征融合篇 | YOLOv8改进之引入多尺度特征融合iAFF，提升小目标检测能力
突然好想你
05-19 80
迭代注意力特征融合（Iterative Attentional Feature Fusion，iAFF）是一种用于图像分类的深度学习模型。它使用了多个不同的卷积神经网络（CNN）模型来提取图像特征，并通过迭代注意力机制将这些特征进行融合，以提高分类准确率。🌈
YOLO 学习和使用 （重拾机器学习）
最新发布
qq_41679546的博客
05-23 206
5.
将YOLO格式数据集转换为YOLO-Mamba等特定工具指定的数据集格式
Mickey的博客
05-22 1475
今天为大家记录YOLO格式数据集转换为YOLO-Mamba等特定工具指定的数据集格式的操作。这种指定格式实际上不是标准的YOLO格式，而是更接近Pascal VOC或自定义的文本标注格式。这种格式通常包含图像文件的路径，以及每个目标物体的坐标和类别信息，但表达方式与YOLO格式有所不同。
YOLOv8改进 | 图像去噪篇 | 单阶段盲真实图像去噪网络RIDNet辅助YOLOv8图像去噪（全网独家首发）
Snu77的博客
05-20 1068
本文给大家带来的改进机制是单阶段盲真实图像去噪网络RIDNet，RIDNet（Real Image Denoising with Feature Attention）是一个用于真实图像去噪的卷积神经网络（CNN），旨在解决现有去噪方法在处理真实噪声图像时性能受限的问题。通过单阶段结构和特征注意机制，RIDNet在多种数据集上展示了其优越性，下面的图片为其效果图片包括和其它图像图像网络的对比图。欢迎大家订阅我的专栏一起学习YOLO！
jetson nano怎么部署到yolov4-tiny，详细过程
03-29
以下是将 Jetson Nano 部署到 YOLOv4-tiny 的详细过程： 1. 安装 JetPack JetPack 是 NVIDIA 的软件套件，其中包含 Jetson Nano 的操作系统、CUDA、cuDNN、TensorRT 等组件。可以从 NVIDIA 官网下载并安装。安装过程中需要选择 CUDA 和 cuDNN 的版本，需要与 YOLOv4-tiny 使用的版本相匹配。 2. 克隆 YOLOv4-tiny 仓库 使用以下命令从 GitHub 克隆仓库： ``` git clone https://github.com/AlexeyAB/darknet.git ``` 3. 编译 YOLOv4-tiny 在克隆的仓库目录下，执行以下命令编译 YOLOv4-tiny： ``` cd darknet make ``` 编译过程可能需要较长时间，取决于 Jetson Nano 的性能。 4. 下载权重文件 从 YOLOv4-tiny 的官方仓库中下载权重文件，可以使用以下命令： ``` wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v4_pre/yolov4-tiny.weights ``` 将权重文件保存到 darknet 目录下。 5. 测试 YOLOv4-tiny 在 darknet 目录下，执行以下命令测试 YOLOv4-tiny： ``` ./darknet detector test cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg ``` 该命令会使用 YOLOv4-tiny 模型检测 data/dog.jpg 中的狗，并输出检测结果。 6. 部署到 Jetson Nano 将编译好的 darknet 目录复制到 Jetson Nano 上，使用以下命令测试 YOLOv4-tiny： ``` ./darknet detector test cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg -thresh 0.4 ``` 这里添加了 -thresh 0.4 参数，用于过滤置信度低于 0.4 的检测结果。 以上就是将 Jetson Nano 部署到 YOLOv4-tiny 的详细过程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值