英伟达 Jetson 程序员必读：基于深度学习的图像识别算法的 C++ 代码编写范例

最新推荐文章于 2022-03-04 14:58:15 发布

许野平

最新推荐文章于 2022-03-04 14:58:15 发布

阅读量1k

点赞数

分类专栏： GPU # Jetson 机器视觉文章标签： jetson 图像识别

本文链接：https://blog.csdn.net/quicmous/article/details/115178859

版权

本文介绍了如何在英伟达Jetson平台上创建一个图像识别程序，涵盖从设置项目到编写C++代码实现基于深度学习的图像分类，包括加载网络、图像处理和结果解释等步骤。

摘要由CSDN通过智能技术生成

1. 项目 my-recognition

现在，我们将从头开始创建一个新的图像识别程序，名为 my-recognition。此程序将能够作为repo之外的独立项目存在，因此，如果您希望在自己的项目和应用程序中使用jetson推理库，您可以遵循以下示例。

#include <jetson-inference/imageNet.h>
#include <jetson-utils/loadImage.h>

int main( int argc, char** argv )
{
   
	// a command line argument containing the image filename is expected,
	// so make sure we have at least 2 args (the first arg is the program)
	if( argc < 2 )
	{
   
		printf("my-recognition:  expected image filename as argument\n");
		printf("example usage:   ./my-recognition my_image.jpg\n");
		return 0;
	}

	// retrieve the image filename from the array of command line args
	const char* imgFilename = argv[1];

	// these variables will store the image data pointer and dimensions
	uchar3* imgPtr = NULL;   // shared CPU/GPU pointer to image
	int imgWidth   = 0;      // width of the image (in pixels)
	int imgHeight  = 0;      // height of the image (in pixels)
		
	// load the image from disk as uchar3 RGB (24 bits per pixel)
	if( !loadImage(imgFilename, &imgPtr, &imgWidth, &imgHeight) )
	{
   
		printf("failed to load image '%s'\n", imgFilename);
		return 0;
	}

	// load the GoogleNet image recognition network with TensorRT
	// you can use imageNet::RESNET_18 to load ResNet-18 model instead
	imageNet* net = imageNet::Create(imageNet::GOOGLENET);

	// check to make sure that the network model loaded properly
	if( !net )
	{
   
		printf(