7、Hello World官网教程(TX2)第二部分

上面那一部分是讲图像分类,下面开始学习该教程中的目标检测。

一、准备工作

1、下载SSD-Mobilenet-v2预训练模型

二、验证

1、对图像的处理

cd ~/jetson-inference/build/aarch64/bin

在这里插入图片描述
确定是否存在编译c++文件生成的可执行文件。
下面是一些可用的选项:
–network,用于更改正在使用的检测模型(默认为SSD-Mobilenet-v2)。
–overlay,可以是逗号分隔的组合box,labels,conf,和none,默认值为–overlay=box,labels,conf显示框,标签和置信度值
–alpha值,用于设置覆盖期间使用的Alpha混合值(默认值为120)。
–threshold值,用于设置检测的最低阈值(默认为0.5)。

Alpha Blending是用来显示有透明或半透明效果的pixel。除了R,G,B颜色通道,在alpha bitmap中,每个pixel还有一个alpha通道。通常,alpha的位跟其它位一样多。例如,一个8位的alpha通道可以表示256级透明程度,从0(完全透明)到255(完全不透明)

然后打开终端输入下面的命令

./detectnet --network=ssd-mobilenet-v2 images/peds_0.jpg images/test/output.jpg

用的是官方的示例图片,效果如下:
在这里插入图片描述
下面我们用我们自己拍的图片。

./detectnet --network=ssd-mobilenet-v2 images/111.jpg images/test/output111.jpg

效果如下:
在这里插入图片描述
很显然,它将饼干识别成了书本,这个准确度还是不够的。

2、对视频流的处理

①、对官方示例视频的处理

./detectnet /usr/share/visionworks/sources/data/pedestrians.mp4 images/test/pedestrians_ssd.mp4

在这里插入图片描述
②对自己拍的视频的处理

在这里插入图片描述
③实时检测

./detectnet csi:// 0 

在这里插入图片描述

三、编写自己的目标检测程序

import jetson.inference
import jetson.utils
#选择使用哪个模型,并且设置阈值
net = jetson.inference.detectNet("ssd-mobilenet-v2", threshold=0.5)
#创建视频流对象
camera = jetson.utils.videoSource("csi://0")      # '/dev/video0' for V4L2
#创建视频输出接口
display = jetson.utils.videoOutput("display://0") # 'my_video.mp4' for file
#设置循环,只要用户没有退出就一直循环的执行
while display.IsStreaming():
	img = camera.Capture()#从视频流中取下一帧
	detections = net.Detect(img)#用检测网络处理,最后得到检测结果,事实上这里处理后会叠加到图像上,我们也可以pint(detections)将结果输出
	display.Render(img)#进行渲染处理并显示
	display.SetStatus("Object Detection | Network {:.0f} FPS".format(net.GetNetworkFPS()))

然后运行该python代码

python3 my-detection.py

在这里插入图片描述

四、语义分割

语义分割,就是需要区分到图中每一点像素点,而不仅仅是矩形框框住了,但是同一物体的不同实例不需要单独分割出来。下面有各种网络,可以针对特定的网络来选用。
在这里插入图片描述
模型下载地址

1、对图像的处理

下面我们使用多人检测模型。

 ./segnet --network=fcn-resnet18-mhp-640x360 images/humans_0.jpg images/test/output.jpg

效果如下:
在这里插入图片描述

2、对视频流的处理

# C++
./segnet --network=fcn-resnet18-mhp csi://0

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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
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