DeepStream系列之yolov8部署测试

点击查看系列文章目录

0 背景

测试环境:deepstream 6.0.1,yolov8,A10

1 环境安装

推荐采用 conda 虚拟环境安装,避免环境污染

conda create -n yolov8
conda activate yolov8

下载 yolov8 官方源码,安装依赖

git clone https://github.com/ultralytics/ultralytics.git
cd ultralytics
pip3 install -r requirements.txt
sudo python3 setup.py install
pip3 install onnx onnxsim onnxruntime

安装时如果报错如下,是因为 urllib 版本问题

error: urllib3 2.0.2 is installed but urllib3<2.0.0 is required by {'sentry-sdk'}

修改 requirements.txt 文件,添加 urllib 版本

urllib3

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
deepstream是一款用于实时视频分析和流媒体处理的平台,针对不同的应用场景,可以采用不同的模型进行目标检测和跟踪。Yolov5是一种先进的目标检测算法,可以快速准确地识别图像中的多个目标。在deepstream中调用Yolov5模型,可以实现实时的目标检测功能。 要在deepstream中调用Yolov5模型,首先需要将Yolov5模型集成到deepstream框架中。可以按照deepstream提供的开发文档,将Yolov5模型进行编译和配置,然后将生成的模型文件放置在合适的位置。 接下来,在deepstream的配置文件中,指定使用Yolov5模型进行目标检测。需要设置模型的路径、输入的参数和输出的结果等。还可以根据实际需要,调整模型的超参数和阈值,以达到更好的检测效果。 在程序运行时,deepstream会基于配置文件加载Yolov5模型,并实时从视频流中获取图像进行目标检测。检测到的目标将带有标签和边界框的形式呈现在视频中。可以将检测到的目标信息输出到显示设备或者其他处理模块,例如跟踪模块。 Yolov5的调用过程是高度优化的,可以在较低的延迟下实现高效的目标检测。它还支持多种硬件加速方式,如GPU加速和TensorRT引擎,进一步提升检测速度和性能。 总之,通过在deepstream中调用Yolov5模型可以实现快速准确的目标检测功能,为实时视频分析和流媒体处理提供了重要支持。
评论
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

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
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