Jetson TX2 部署无人机跟踪项目

提示:本文用于学习记录


前言

Anti-UAV 代码部署在 Jetson TX2


一、Anti-UAV Dataset

该数据集为视频数据集与对应标签

在这里插入图片描述

二、使用步骤

1. 创建虚拟环境并安装所需包

代码如下(示例):

    conda create -n anti_uav python=3.7
    conda activate anti_uav
    pip install opencv-python torch

2. 导入数据

代码如下(示例):

	git clone https://github.com/ZhaoJ9014/Anti-UAV.git

3. 运行

代码如下(示例):

	pwd
	# 运行之前可在终端输入 pwd 获取当前路径,再进入 .py 文件修改为当前正确路径,即可运行成功!
	python check.py

效果如下:

录制_2022_10_25_16_44_13_105

三、无人机数据集的训练

3.1 数据集介绍

3.1.1 文件结构

在这里插入图片描述

3.1.2 数据集类别

该数据集共有1个类别:drone

3.2 修改 yaml 文件

注意路径与上文一致;

在这里插入图片描述

3.3 修改 train.py

修改 drone.yaml 的路径,这里的 epochs 设置的是100,batch-size 设置的是 4。
所有步骤完成之后即可开始训练

在这里插入图片描述

3.4 运行 detect.py

复制训练结束后的 weights 文件夹中的 best.pt 权重路径,检测训练好的权重

在这里插入图片描述
效果如下:
在这里插入图片描述

四、总结

以上就是 Anti-UAV 代码在 Jetson TX2 上的部署与无人机数据集的训练与检测过程。
  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
Jetson TX2是一款高性能的嵌入式计算平台,适用于深度学习和计算机视觉应用。Yolov8是一种目标检测算法,具有较高的准确性和实时性。下面是在Jetson TX2上部署Yolov8的步骤: 1. 安装JetPack SDK:JetPack是NVIDIA提供的软件开发工具包,包含了Jetson平台的操作系统、驱动程序和各种工具。您可以从NVIDIA官方网站下载并安装适用于Jetson TX2的最新版本的JetPack SDK。 2. 安装依赖库:Yolov8需要一些依赖库来运行,例如OpenCV、CUDA和cuDNN等。您可以使用JetPack SDK中提供的包管理器(apt-get)来安装这些依赖库。 3. 下载Yolov8源代码:您可以从Yolov8的官方GitHub仓库中下载源代码。将源代码下载到Jetson TX2上的一个目录中。 4. 编译源代码:在Jetson TX2上打开终端,进入Yolov8源代码所在的目录,执行编译命令。根据Yolov8的README文件提供的指导进行编译。 5. 下载预训练模型:Yolov8需要一个预训练模型来进行目标检测。您可以从Yolov8的官方GitHub仓库中下载预训练模型,并将其保存到合适的目录中。 6. 运行Yolov8:在Jetson TX2上打开终端,进入Yolov8源代码所在的目录,执行运行命令。根据Yolov8的README文件提供的指导进行运行。 请注意,以上步骤仅为大致的概述,具体的操作可能会有所不同。建议您参考Yolov8的官方文档和Jetson TX2的开发者指南,以获取更详细的部署步骤和操作说明。

“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 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

701044

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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