TX2+TensorRT+DIGITS实现图像分割训练segnet

最新推荐文章于 2025-02-19 15:26:17 发布

今天依旧要努力

最新推荐文章于 2025-02-19 15:26:17 发布

阅读量1.1k

点赞数

分类专栏：基于深度学习嵌入式开发初学Jetson Nano 初学Jetson TX2

本文链接：https://blog.youkuaiyun.com/alphonse2017/article/details/93632564

版权

本教程演示如何在Jetson TX2上结合TensorRT和DIGITS训练SegNet模型进行图像分割。教程涵盖了从下载无人机数据集，导入到DIGITS，生成预训练的FCN-Alexnet模型，训练和测试模型，再到调整TensorRT部署文件以适应Jetson设备的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本教程重点提到的深度学习的功能是图像的分割。图像分割的最基本原理也是图像识别，但是它是基于像素级别的图像识别而不是对于整张图片的识别。它是通过一个对已经训练好的ImageNet识别模型的卷积化来实现的，他将其转化成一个能将每一个像素都标记的全卷积分割模型。分割对于环境感知和避碰非常有用，它可以对每个场景中的许多不同的潜在对象进行密集的每像素分类，包括场景前景和背景。

segNet 实例可以接受一个2维图像的输入，并且输出一个每一个像素都分类过得图像。每个像素都对应一个识别的目标类别。

注意：您可以查看semantic segmentation来获取更多地关于图像分割的背景知识。

1.Downloading Aerial Drone Dataset

作为图像分割的一个例子，我们将使用一个将地面与天空分开的空中无人驾驶飞机数据集。该数据集在第一人称视角(FPV)中模拟无人机的位置，并训练一个网络，作为一个自动驾驶仪，引导其感知的地形。

要下载和解压缩数据集，请从运行DIGITS服务器的主机PC上运行以下命令：

$ wget --no-check-certificate https://nvidia.box.com/shared/static/ft9cc5yjvrbhkh07wcivu5ji9zola6i1.gz -O NVIDIA-Aerial-Drone-Dataset.tar.gz

HTTP request sent, awaiting response... 200 OK
Length: 7140413391 (6.6G) [application/octet-stream]
Saving to: ‘NVIDIA-Aerial-Drone-Dataset.tar.gz’

NVIDIA-Aerial-Drone-Datase 100%[======================================>]   6.65G  3.33MB

最低0.47元/天解锁文章