Jetson Nano使用DeepStream+YOLOv5

原创

已于 2022-05-17 11:11:57 修改 · 1.9k 阅读

25 ·

CC 4.0 BY-SA版权

文章标签：

#JetsonNano #DeepStream #Yolov5

于 2022-05-17 11:03:16 首次发布

该博客介绍了如何在Jetson Nano上使用TensorRT和DeepStream加速Yolov5模型的物体检测。首先，详细步骤演示了如何将yolov5模型转换为.engine文件，然后在DeepStream中应用此模型进行实时视频分析。过程中提到了版本匹配问题，以及在转换和运行时可能遇到的错误和解决方案，包括模型文件的适配、DeepStream配置文件的修改等。最后，博主分享了运行结果并指出由于版本不兼容可能导致的预测框过多的问题。

Jetson Nano 安装DeepStream教程查看上一篇

将yolov5 best.pt转成best.engine

GIthub地址
注意：yolov5的版本一定要和tensorrtx的版本对应，比如两个下载的工程都是v5.0版本，这里版本不一致可能会导致生成.engine文件的时候报错。

best.py->best.wts
将Tensorrtx/yolov5目录下的gen_wts.py复制到对应版本的yolov5工程文件下，然后运行如下命令：

python gen_wts.py -w best.pt -o best.wts

best.wts->best.engine
跳转到tensorrtx/yolov5目录下，执行如下命令

//目录跳转
cd {tensorrtx}/yolov5/
// update CLASS_NUM in yololayer.h if your model is trained on custom dataset
//创建文件夹build
mkdir build
cd build
//将.wts文件复制到build文件夹
cp {ultralytics}/yolov5/yolov5s.wts {tensorrtx}/yolov5/build
cmake ..
make
//将.wts 转化成.engine
sudo ./yolov5 -s [.wts] [.engine] [n/s/m/l/x/n6/s6/m6/l6/x6 or c/c6 gd gw]  // serialize model to plan file
sudo ./yolov5 -d [.engine] [image folder]  // deserialize and run inference, the images in [image folder] will be processed.
// For example yolov5s
sudo ./yolov5 -s yolov5s.wts yolov5s.engine s
sudo ./yolov5 -d yolov5s.engine ../samples
// For example Custom model with depth_multiple=0.