Yolo在NVIDIA TX1上测试

最新推荐文章于 2025-10-30 12:01:31 发布
原创 最新推荐文章于 2025-10-30 12:01:31 发布 · 2.8k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #yolo #开源 #目标检测 #TX1

本文介绍了YOLO目标检测算法在NVIDIA TX1、TX2及1050显卡上的实时性能，突出TX1的4fps（YOLO）和12fps（tiny_YOLO）。YOLO的优势在于其快速处理延迟和全范围图像预测能力。实现在CUDA、GPU和CuDNN支持的OpenCV框架下，展示了YOLO在嵌入式设备上的应用潜力。

YOLO开源链接：https://pjreddie.com/darknet/yolo/

yolo应用于实时目标检测


TX1：4fps（YOLO）       12fps（tiny_YOLO）

TX2 :  6.5fps (YOLO)       16fps （tiny_YOLO）

1050 : 23fps (YOLO)        55fps ( tiny_YOLO )


yolo的优势（论文中）：

1 在硬件支持的前提下，实时视频处理延迟小于：25ms（基于YOLO：45fps  基于TINY_YOLO：150fps）

2 全范围的图像预测

3 网络层学习归纳能力比较强，稳定

实现框架如下：

最低0.47元/天 解锁文章
Jeston TX1上运行YOLO目标检测
qq_41670790的博客
01-25 1296
DATE：2018/1/25 环境配置： ubuntu16.04、darknet、opencv2.4.9、cuda（arm64） 步骤： 一.ubuntu16.04 这个网上教程很多，就不多做介绍直接跳过了 二.darknet 官网地址：https://pjreddie.com/darknet/yolo/    1. 配置darknet：   git clone https:...
嵌入式模型部署学习笔记 ——在Jetson TX1上部署Yolov5模型
m0_49579642的博客
07-16 6562
Jetson TX1实现TensorRT加速YOLOv5进行实时检测
计算机视觉（CV）：YOLOv8 目标检测与实时视频流处理
最新发布
2501_93895004的博客
10-30 1789
数学上，实时性能可通过帧率 $F$ 和平均处理时间 $T$ 评估： $$ F_{\text{effective}} = \frac{1}{T} $$ 其中 $T$ 包括模型推理时间 $T_{\text{inference}}$ 和预处理时间 $T_{\text{preprocess}}$。{ij}^{\text{obj}}$ 是指示函数，$B$ 是每个网格的边界框数，$\hat{\cdot}$ 表示真实值。{\text{conf}} \sum \ldots $$ 这里，$\mathbb{1}
英伟达Jetson TX1用户手册 NVIDIA_Jetson_TX1_Developer_Kit_User_Guide
07-10
英伟达Jetson TX1用户手册
vscode 英伟达tk1_【Codecs系列】之NVIDIA Jetson TX1简介
weixin_39584571的博客
12-19 339
DATE： 2019-2-18参考：https://www.ncnynl.com/archives/201705/1607.htmlhttps://blog.youkuaiyun.com/q6324266/article/details/52228696?locationNum=4&fps=1http://vga.zol.com.cn/602/6029323.htmlhttps://blog.csdn...
NVIDIA Jetson TX1 系列开发教程之十四：YOLO安装与优化加速
热门推荐
WordZzzz
09-25 1万+
NVIDIA Jetson TX1 系列开发教程之十四：YOLO安装与优化加速 转载请注明作者和出处：http://blog.youkuaiyun.com/u011475210 嵌入式平台：NVIDIA Jetson TX1 嵌入式系统：Ubuntu16.04 编者: WordZzzz
yolov4在Nvidia Xavier上部署与性能测试（tkDNN）
lxx4610的博客
03-23 2918
效果图： git图片 性能展示（FPS）： 平台 网络 FP32，B=1 FP32，B=4 FP16，B=1 FP16，B=4 INT8，B=1 INT8，B=4 Xavier yolov4 ---- – — — ---- – – – ---- – — — ---- – – – ---- – — — ---- – 什么是tkDNN？ tkDNN是一个由cuDNN和TensorRT原语构建的深度神经网络库，专门用于NVIDIA Jetson开发板上。它已经在TK1（cudnn2分支
Jetson TX1使用笔记（2）运行YOLOv3
敲代码的黄小黄
03-15 830
文章目录1. 准备工作1.1 开发利器1.2 查看系统信息1.3 安装usb摄像头2. 运行YOLOv32.1 下载YOLOv32.2 修改编译文件2.3 测试YOLOv3 1. 准备工作 1.1 开发利器 在主机和板子之间来回切换总是很不方便，为了能在一台电脑上工作，推荐大家安装一个ssh链接工具，MobaXterm。在自己的主机上安装，网址是MobaXterm。 正常安装以后，先在板子上改变一下ssh设置，允许root用户登录（方便在主机上使用） 在板子上操作： $ sudo vim /etc/ssh/
Jetson TX1使用笔记（1）开箱与刷机
敲代码的黄小黄
03-15 3306
Jetson TX1使用笔记（1）开箱与刷机 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录Jetson TX1使用笔记（1）开箱与刷机前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍
使用TensorRT加速YOLOX目标检测算法
wyt的博客
11-15 768
这篇文章主要讲述如何通过tensorrt对yolox进行部署
基于Jetson TX1的 YOLO: Real-Time Object Detection
chenjiehua123456789的博客
01-04 6604
Data: 2017.1.4 Author: cjh Theme: YOLO: Real-Time Object Detection 最近导师给我发了一篇文章YOLO9000Better Faster Stronger ，让我把里面的源代码下载下来，我首先在自己的虚拟机上实现了一遍算法，但由于自己的笔记本没有GPU所以跑起来十分吃力，所以干脆直接将算法移植到了Jetson TX1上。
Nvidia TX1 板子 arm 浏览器安装
u012431958的博客
07-03 1275
Nvidia TX1 板子没有自带浏览器 由于校园无线环境需先打开浏览器登录 通过手机热点也无法搜索到 直接安装 arm 版 firefox 浏览器 https://packages.ubuntu.com/search?arch=arm64&keywords=firefox-dev 点击打开链接 选择合适的版本
nvidia_tx1开发笔记
dlphay的博客
06-07 1141
sfm *主要是静态场景外 *低速运动（例如停车场景） *纹理接地平面（具有足够的跟踪功能） 因此，所提供的样本并不涵盖所有的用例作为其他更复杂的SLAM或SFM算法。 它不是为了解决SLAM任务或通过精确的测距来获得周围环境的完整3D恢复图。 在当前阶段，它可以被认为是更复杂的SFM算法的起点。 例如，在提供的样本中，恢复的3D结构被用作高级处理（停车点检测）的输入。
NVIDIA Jetson TX1 刷机与安装教程
weixin_38415030的博客
09-14 798
安装环境 1. 可联网PC，安装Ubuntu14.04虚拟机 2. TX1开发板 3. micro USB 数据线 4. 网线（无需路由器） 软件包 1. JetPack-L4T-2.3.1-linux-x64.run 下载地址：https://developer.nvidia.com/embedded/jetpack-2_3_1 安装教程 1. 官方安装教程 https:/...
NVIDIA Jetson TX1 项目开发—开箱实验
greyduan的博客
10-22 1048
NVIDIA Jetson TX1 项目开发—开箱实验最近跟着老师做智能小车项目，用到NVIDIA Jetson tx1板子，在开发过程中遇到不少问题，也查过很多资料，现写成自己的博客，有不对之处还请大家指正。 此篇博客为开箱实验，即以tx1为主机，连接显示器、鼠标等进行开启。所需器材 tx1开发板、键鼠（因为tx1只有一个usb接口，我们买了一个usbhub）、显示器（2k屏，后面有讲解）、电
在Jetson TX1上用YOLO训练VOC2007
kesonyk的专栏
12-10 3128
在Jetson TX1 上训练darknet本文介绍在Jetson TX1上用VOC2007数据集训练YOLO。Reference:YOLO主页1 下载数据集Pascal VOC 数据集是一个用来进行目标检测的数据集，官网链接pascal voc从上面下载VOC2007 的数据集，解压后放到 /darknet/scripts 2 修改scripts下的voc_label.py可以用来将voc数据集
NVIDIA Jetson TX1（4）
shanghaiqianlun的专栏
01-13 7771
3.0 接口和信号描述 3.1 SD/eMMC控制器 标准 注释 SD规范Part A2 SD Host控制器标准规范V4.00   SD规范Part 1 物理层规范V4.00   SD规范Part E1 SDIO规范V4.00 支持SD4.0规范，没有UHS-II
TX1刷机+安装YOLOv3
abc039510的博客
01-25 864
参考网址： （1）https://blog.youkuaiyun.com/cgt19910923/article/details/80812184 （2）https://blog.youkuaiyun.com/c406495762/article/details/70786700 （3）https://pjreddie.com/darknet/yolo/ （4）https://blog.youkuaiyun.com/dlphay/a...
nVIDIA Jetson TX1 NFS服务搭建
好久都没有更新博客喽，工作原因只能总结在内部机上：-（
03-16 1377
1、在host主机上安装nfs组件：$ sudo apt-get install nfs-common nfs-kernel-server2、在host主机上配置etc/exports，指出需要mount出的目录：修改etc/exports文件如下：$/nfsroot *(rw,nohide,insecure,no_subtree_check,async,no_root_squash) 然后重启n
树莓派5评测：YOLO-V3算法性能测试分析
综上所述，该资源摘要信息为我们提供了树莓派5在运行YOLO-V3算法时的详细测试结果，以及YOLO-V3算法的核心技术和应用价值。这不仅有助于我们更好地理解YOLO-V3算法，也为我们评估树莓派5在机器学习和图像处理领域的...
评论 9
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
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