初学JetsonTX2之部署YOLO

最新推荐文章于 2025-04-16 22:01:08 发布

原创

最新推荐文章于 2025-04-16 22:01:08 发布 · 1.6w 阅读

95 ·

CC 4.0 BY-SA版权

文章标签：

#Jetson TX2 #安装YOlO #darknet #目标检测 #camera

本文介绍了在Jetson TX2上部署YOLOv3目标检测的步骤，包括安装CUDA、CUDNN、OPENCV，部署Darknet和YOLOv3，以及解决摄像头检测时遇到的问题。通过修改Makefile和调整阈值，实现对不同图片和USB摄像头的实时检测。

本人准备使用YOLO进行人脸检测，硬件设备为Jetson TX2。查阅YOLO官网，要部署YOLO，首先要安装CUDA、CUDNN、OPENCV，然后部署Darknet，最后部署YOLO。

本文参考：
https://pjreddie.com/darknet/yolo/

https://pjreddie.com/darknet/install/

https://zhuanlan.zhihu.com/p/35630431

准备工作：

1. 安装CUDA、CUDNN和OPENCV，由于笔者使用的设备TX2

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

dhaduce

关注关注

4
点赞
踩
95

收藏

觉得还不错? 一键收藏
30
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

如何用TensorRT部署YOLOv6

DeepDriving

07-01

1164

本文详细介绍了使用TensorRT部署YOLOv6的过程。

2025最新YOLOv11实战教程：特性解析+训练部署+工业落地

11-12

1051

工业落地中，通用预训练模型无法满足特定需求（如零件缺陷检测、物流包裹分类），需基于自定义数据集训练专属模型。YOLOv11作为2025年目标检测领域的旗舰模型，以“高效、精准、易部署”的核心优势，成为工业落地的首选方案。本文从特性解析、环境搭建、自定义训练到多平台部署，覆盖了从技术入门到工业实践的全流程，尤其适合需要快速落地目标检测项目的开发者。YOLOv11将进一步优化“低算力设备部署”（如MCU级模型）；新增“语义分割+目标检测”融合任务，适配更复杂工业场景（如路面病害检测）；

30 条评论您还未登录，请先登录后发表或查看评论

Yolov5目标检测+Unet多类别分割C++(onnx联合部署)详细教程

低调猫熊的博客

07-15

5241

这篇主要内容就是yolo目标检测网络和Unet语义分割网络的联合C++部署。用到yolo主要是为了节省Unet部分的计算资源和分割精度，因为检测框会将非目标物删除，这样分割网络只需分割目标框内的二维信息即可。

Windows平台下，YOLOX目标检测环境部署教程

乐观的lishan的博客

06-15

3167

本文介绍了在Windows平台下，部署YOLOX目标检测环境的教程。

YOLO部署实战（5）：NVIDIA Jetson Tx2部署YOLO

马上到我碗里来的博客

02-04

7287

在tx2板子上部署yolov4的时候做的一点笔记，所有的部署都在板子上实际运行过，所以问题不大，供大家参考

NVIDIA Jetson Tx2从刷机到Yolo部署（2020.11新JETPACK4.4全步骤）

weixin_48695448的博客

11-27

4613

Tx2从刷机到Yolo部署NVIDIA SDK Manager下载并安装SDK Manager使用SDK Manager安装Jetson软件Step1：配置开发环境Step2：检查组件并接受许可Step3：安装Setp4：完成设置刷机完成，更换国内apt源安装setuptools安装pip安装cmake安装谷歌拼音输入法安装jtop查看CPU、内存、GPU以及安装环境详情部署Yolo NVIDIA SDK Manager NVIDIA Software Development Kit (SDK) Manag

精选资源

CSharp+OpenVINO+YOLO，如何部署YOLO模型与异步推理实现150FPS+实时检测

09-18

OpenVINO是一个开源框架，由Intel提供，它简化了高性能计算机视觉应用的部署过程，包括YOLO模型。这个系列的第二部分教程主要是关于如何将训练好的YOLO模型通过OpenVINO转换，并利用其异步推理技术，实现在高帧率...

精选资源

CSharp+OpenVINO部署YOLO模型与同步推理实现

08-21

CSharp+OpenVINO部署YOLO模型与同步推理实现，CSharp+OpenVINO部署YOLO模型与同步推理实现，CSharp+OpenVINO部署YOLO模型与同步推理实现，CSharp+OpenVINO部署YOLO模型与同步推理实现，CSharp+OpenVINO部署YOLO模型...

OpenCV部署Yolo-FastestV2包含C++和Python两种版本的程序源码+模型+说明.zip

05-02

对于初学者来说，阅读源代码可以帮助理解YOLO模型如何与OpenCV结合，以及如何进行深度学习模型的实时部署。而提供的说明文档应该会涵盖如何运行这些示例程序，以及可能遇到的问题和解决方法。通过这个资源，开发者...

保姆级教程：RK3588部署yolo目标检测模型

ling913的专栏

04-16

4199

RK3588部署yolo目标检测模型非常详细的保姆级教程

TX2部署YOLO并使用板载摄像头

qq_36302589的博客

12-24

4098

被实验室扔了个这样的无聊锅，搞个依赖性和环境配了超级久而且毫无收获。于是乎那就写篇博客聊以自慰，这样至少感觉自己好像做了点什么吧。首先是OpenCV配置，如果要求使用板载摄像头，是必须要有OpenCV3.4版本以上的，而且要有gstreamer等一系列摄像头支持的依赖。我自己装了大概一天，始终有各种各样奇怪的问题搞不定。当然多亏了GitHub的大佬jetsonhacks，我们有了一种真的...

TX2部署Yolo过程记录

qq_45759728的博客

01-14

2241

1.获得引擎文件我的上一篇博文里面已经介绍过了 2.应用引擎文件此处参考这一个博主，感谢他的文章 tensortx/yolov5下原来的samples文件删除掉.新建samples文件夹,放入一张测试的图片,进行测试. 想要视频流（本地视频或者USB摄像头）改一下yolov5.cpp #include <iostream> #include <chrono> #include "cuda_utils.h" #include "logging.h" #include "comm

JETSON TX2 NX，tensorrt部署yolov5

weixin_72812064的博客

05-12

1820

首先走到这一步要先确保你的conda环境可以运行接下来去下载。

YOLOV8部署在jetson tx2中--使用tensorrt生成的trt(.engine)文件进行实时目标检测

m0_56589117的博客

04-22

2590

在jetson上使用YOLOV8进行实时目标检测

在TX2上面部署yolov3

weixin_42708378的博客

08-08

906

参考链接： https://blog.youkuaiyun.com/dhaduce/article/details/80379792 英文： https://jkjung-avt.github.io/yolov3/ 将Youtube上面的视频下载下来的转码网址： https://www.findyoutube.net/result 直接把需要下载的视频的连接放进指定位置即可在TX2上调用板载摄像头： htt...

Jetson NX实现TensorRT加速部署YOLOv8

qq_43212606的博客

12-18

4142

在上。

tensorRT简介

Loong Cheng的博客

08-10

3676

TensorRT 是由 Nvidia 推出的 GPU 推理引擎(GIE: GPU Inference Engine)。和通用的深度学习框架不同，TensorRT 只提供前向传播，即推理的功能，而没有训练的功能。实际上，训练的场景下，资源通常不会特别紧张，因为是离线的操作(不要求实时反馈)，即使出现了一时的资源不足也可以通过增加计算时长来弥补，所以训练框架的资源消耗一般不会有很强的优化。而网络的部署...

NvidiaJestonTX2刷机+部署yolov5全过程（新手版）

weixin_50168087的博客

03-29

3388

本篇博客去年本科毕业写的，现在看了草稿箱才想起来发布。。。由于本科毕设第一次接触嵌入式设备，问老师借了tx2板子（有原装充电线和两个天线）。拿到手根据网上教程陆陆续续准备了：1.一块hdmi显示屏+hdmi线，有线鼠标和键盘。2.原装microusb to usbA线（某宝36r+6邮费购入），用于连接tx2和PC。3.由于tx2只有一个usb口，又购入了一个拓展坞，用于同时连接鼠标和键盘。4.两根网线，后来只用了一根，PC直接连接wifi，tx2用网线连接路由器。

jetson tx2 部署 yolov7

u014689277的博客

04-09

1044

3，将之前训练好的权重文件复制到yolov7文件夹下。

jetson tx2 怎么部署yolo

04-06

要在Jetson TX2上部署YOLO，可以按照以下步骤进行： 1. 安装CUDA和cuDNN：首先需要在Jetson TX2上安装CUDA和cuDNN，以便能够使用GPU进行加速。可以从NVIDIA官网下载相应版本的CUDA和cuDNN进行安装。 2. 安装OpenCV：使用YOLO需要使用OpenCV进行图像处理。可以使用以下命令安装OpenCV： ``` sudo apt-get install libopencv-dev python-opencv ``` 3. 下载YOLO源代码：可以从YOLO官网下载YOLO源代码。 4. 编译YOLO：使用以下命令编译YOLO： ``` cd <YOLO源代码路径> make -j8 ``` 5. 下载YOLO预训练权重：可以从YOLO官网下载YOLO预训练权重。 6. 运行YOLO：使用以下命令运行YOLO： ``` ./darknet detector test <数据集配置文件> <YOLO配置文件> <YOLO权重文件> <测试图像路径> ``` 以上是在Jetson TX2上部署YOLO的基本步骤。需要注意的是，在Jetson TX2的计算资源有限的情况下，可能需要对YOLO进行优化，以提高性能。可以从YOLO官网或者其他开源社区中找到相关的优化方法和工具。