NVIDIA之TLT迁移学习口罩实时检测

最新推荐文章于 2024-03-14 14:40:23 发布
最新推荐文章于 2024-03-14 14:40:23 发布
阅读量2.2k 收藏 16
点赞数 5
分类专栏： # DeepStream # TensorRT
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/zong596568821xp/article/details/108470255
版权

0 背景

在医院、机场、车站等场所中，需要对行人进行实时口罩检测。本文基于NVIDIA TLT工具，介绍口罩检测模型的训练及部署方法，实现在嵌入式端实时处理的效果。在嵌入式上部署推理性能表如下，可以看到裁剪后的模型，即使在 Jetson Nano平台上也能跑搭配20帧，做到实时处理的效果。

  • 注意：这个帧率是使用deepstream获得的端到端帧率，其中nano是使用的FP16精度，Xavier NX和AGX使用的是int8精度
  • NX和AGX有两种推理模块，分别是GPU和DLA，当在DLA上推理的时候，GPU是空闲的，可以处理其它任务

流程如下

官方博客：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
宗而研之
关注
  • 5
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
tlt-a8写频软件
11-08
特灵通a8写频软件，用一般的写频线就可以的
深度学习：25行代码实现口罩识别
Hanze的博客
04-17 3255
深度学习：不到25行代码实现口罩识别（电脑端可直接运行） import cv2 import paddlehub as hub module = hub.Module(name="pyramidbox_lite_mobile_mask") video_capture = cv2.VideoCapture(0) font = cv2.cv2.FONT_HERSHEY_SIMPLEX while True: ret, frame = video_capture.read() results =
DeepStream初步学习
最新发布
a997897336的博客
03-14 371
在我们的家中，街道上，停车场，大型购物中心，仓库，工厂中都可以找到相机–无处不在。视频分析的潜在用途是巨大的：访问控制，防止丢失，自动结帐，监视，安全，自动检查（QA），包裹分类（智能物流），交通控制/工程，工业自动化等。它由可扩展的硬件加速插件集合组成，这些插件与低级库进行交互以优化性能，并定义了标准化的元数据结构，可实现自定义/用户特定的添加。更具体地说，DeepStream应用程序是一组模块化插件，这些插件相连接以形成处理管道。例如，解码插件与NVDEC交互，推理插件与GPU或DLA交互。
基于YOLOv5的口罩佩戴检测方法
学习日常分享
07-01 3324
正确的佩戴口罩对现阶段有效减低人员之间感染新型冠状病毒具有重要意义。基于YOLOv5在图像识别检测领域的优异性能，本文研究基于基于YOLOv5的口罩佩自动戴检测方法。首先从网络和真实生活中中寻找并采集不同场景人群口罩佩戴的图片约500张并自建数据集，然后利用YOLOv5模型框架，修改其相关配置文件和检测参数，并采用数据增强和Dropout技术防止过拟合。实验结果验证了YOLOv5模型人群口罩佩戴图像识别任务上的优越性能，测试集上的YOLOv5s模型识别准确率高达85.45%。 关键词 图像识别；口罩佩戴检测
【5月8 】NVIDIA 迁移学习工具包（TLT）最佳实践
Hali_Botebie的博客
05-08 2068
感谢您参与英伟达Metropolis从原理到实战系列直播！今天直播的主题是《从原理到实战, NVIDIA 迁移学习工具包（Transfer Learning Toolkit）最佳实践》。我们的直播将于16:00正式开始，本次直播针对各行业的需求和特点，利用NVIDIA原厂的产品技术优势和积累，帮助相关领域的合作伙伴，客户以及开发人员更好地理解NVIDIA相关硬件和软件的使用技巧，从而减少学习和试错...
Transfer Learning Toolkit (TLT) + DeepStream (DS)快速部署深度学习模型（以口罩检测为例）
leida_wt的博客
01-13 4368
拉取镜像： # TLT docker pull nvcr.io/nvidia/tlt-streamanalytics:v2.0_py3 # DeepStream docker pull nvcr.io/nvidia/deepstream:5.0.1-20.09-base 注册一个NGC账户，并获取一个API Key： API key仅显示一次，请注意保存，如丢失可以重新生成一个。 拉取demo项目github仓库到xxx/tlt-demo文件夹 cd xxx/tlt-demo git clone htt
NVIDIA之TLT迁移学习训练自己的数据集
ZONGXP的博客
07-17 7958
0 背景 问题记录： root@bc0beb6b6ba7:/workspace/examples/faster_rcnn/specs# tlt-evaluate faster_rcnn -e default_spec_resnet50.txt --gpus 4 Using TensorFlow backend. Traceback (most recent call last): File "/usr/local/bin/tlt-evaluate", line 8, in ...
NVIDIA-TLT训练行人检测模型（一）----算法模型的训练(finetuning)
weixin_38106878的博客
10-10 2503
前言 在博客阅读前需要说明，本博文为系列文章，通过阅读文章，您将会学习到如下内容： 使用NVIDIA Transfer Learning Toolkit 工具训练(finetuning)出一个行人检测算法模型； 将训练好的算法模型部署到NVIDIA Jetson TX2上，结合deepstream sdk实现模型对多路rtsp视频流进行实时的行人检测； 思路的简介（目录） 在我们做一件事之前，需要思考；做事的思路，做事的方式，这样我们才能顺利、高效的完成这件事； Docker-ce的安装 Nvidia
DeepStream系列之TLT模型调用
ZONGXP的博客
08-05 4789
在《NVIDIA之TLT迁移学习训练自己的数据集》文章中，我们用 NVIDIA 的 TLT 工具对模型进行训练、剪枝，得到一个检测效果较好的模型，接下来如要进行部署应用，在 deepstream 里应用是一个很好的选择。我们知道，TLT 支持两种方式导出模型：但第 2 种方法导出的 engine 是平台相关的，如果部署平台与导出平台不一致，模型会不能用，因此我们使用第一种方式导出的tllt模型进行部署nvidia 提供了一些示例：https://github.com/NVIDIA-AI-...
nvidia_tlt2记录
weixin_41012399的博客
10-28 191
1.在本地pc配置环境： https://blog.csdn.net/weixin_30764771/article/details/99831184?spm=1001.2101.3001.6650.4&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-4.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-t
gesture_recognition_tlt_deepstream:一个项目，演示如何训练您自己的手势识别深度学习管道。 我们从预先训练的检测模型开始，使用Transfer Learning Toolkit 3.0将其重新用于手部检测，然后将其与专用手势识别模型一起使用。 经过培训后，我们将使用Deepstream SDK在NVIDIA:registered:Jetson:trade_mark:上部署此模型
03-08
使用NVIDIA预训练模型和Transfer Learning Toolkit 3.0与机器人创建基于手势的交互在这个项目中，我们演示如何训练您自己的手势识别深度学习管道。 我们从预先训练的检测模型开始，使用Transfer Learning Toolkit ...
TLT轴流风机液压缸讲义123.ppt
10-07
TLT轴流风机液压缸讲义123.ppt
创龙科技TLT3-EVM开发板规格书
01-19
1.评估板接口资源丰富，引出千兆网口、CAN、USB、RS485、RS232等通信接口 2.板载蓝牙、WIFI、4G（选配）模块，同时引出MIPI LCD、LVDS LCD、TFT LCD、HDMI OUT、CVBS OUT、CAMERA、LINE IN、H/P OUT等音视频多媒体...
驱动R61509V 3.2寸TLT液晶屏 单片机MCU_16位.rar
06-19
驱动R61509V 3.2寸TLT液晶屏 单片机MCU_16位
TensorRT安装及使用教程
热门推荐
ZONGXP的博客
01-08 17万+
TensorRT 安装方法
TensorRT之TX2部署TensorFlow目标检测模型
ZONGXP的博客
01-30 2万+
参考：https://github.com/jkjung-avt/tf_trt_models/tree/tf-1.8 在之前的文章中，详细介绍了tensorflow目标检测接口的使用方法，包括训练与推理流程，该工作主要是在服务器端完成的，而我们实际应用的时候，推理不一定发生在服务器上，而可能是TX2等终端设备，因此，在TX2上进行模型的推理加速，对于实际应用很有必要。 幸运的是，nvidia已...
NVIDIA之Triton Inference Server环境部署安装
ZONGXP的博客
09-27 1万+
0 背景 Triton是什么？Triton是 NVIDIA 推出的 Inference Server，专门做 AI 模型的部署服务。客户端可以同伙HTTP/REST或gRPC的方式来请求服务，特性包括以下方面： 支持多种框架，例如 Tensorflow、TensoRT、Pytorch、ONNX甚至自定义框架后端； 支持 GPU 和 CPU 方式运行，能最大化利用硬件资源； 容器化部署，集成 k8s，可以方便的进行编排和扩展； 支持并发模型，支持多种模型或同一模型的不同实例在同一GPU上运行 支持
TensorRT之yolov4模型量化
ZONGXP的博客
01-06 4884
0 背景 在《DeepStream5.0系列之yolov4使用》中我介绍过 deepstream 调用 yolov4 的方法，但是只支持 FP32 和 FP16 精度，如果要想调用 INT8 精度的 engine 模型，需要额外生成一个量化表。 本文是在 Jetson Xavier AGX 上部署测试，另外 NX 也支持 int8，其它型号的 jetson 就不要试了 1 环境配置 项目基于https://github.com/jkjung-avt/tensorrt_demos，因此先配置相关环境.
tlt-dataset-convert
09-20
它是由NVIDIA开发的，旨在简化和加速深度学习模型训练中数据集准备的过程。 tlt-dataset-convert可以将常见的数据集格式如YOLO、COCO等转换为适用于NVIDIA的Transfer Learning Toolkit（TLT）的数据集格式。它将...

“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

打赏作者

宗而研之

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