动力中原

Jetson NX和Nano板卡上使用TensorRT推理速度测试前言Xavier NX 上TensorRT测试：Nano上TensorRT推理测试：前言  以下所有测试基于enazoe大佬的yolo-tensorrt项目进行，坏境配置比较简单。  简单测试一下YOLOv4模型在NX和Nano上的推理速度，实际推理速度可能会有波动，如发现问题欢迎大家交流！Xavier NX 上TensorRT测试： 模型 输入尺寸 加速精度

本文中使用FastAPI对目标检测模型进行了http封装，前端只需要将图片转为base64传入，生成json格式的检测结果返回。

link文章目录前言一、使用opencv调用模型二、在xml文件中创建树并写入坐标定义一个main函数总结前言在训练目标检测时，标注数据是一项简单而又浪费时间的事情，如果能够自动标注数据将可以高效的扩充数据集，从而提高训练模型的效果。目前能想到的一种自动标注方法是先训练一个检测效果较好的模型，然后使用这个模型对需要标注的图片进行检测，将检测到的BBox写入到标注文件中。这里来简单说明一下相关代码。python脚本文件下载地址：https://download.csdn.net/download/

opencv-python dnn模块调用NVIDIA的GPU用CUDA加速dnn模块加载darknet模型安装opencv-contrib-pythonCUDA加速调用模型进行检测dnn模块加载darknet模型下面以使用opencv的dnn模块调用Darknet训练的yolo的模型。这里加载了我之前训练的一个人脸识别的模型。weightsPath = "face.weights"con...