jetson nano inference networks下载

最新推荐文章于 2025-11-26 12:20:36 发布
原创 最新推荐文章于 2025-11-26 12:20:36 发布 · 3.2k 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：

#jetson

本文提供了Jetsonnano设备上可用的多种深度学习模型的下载链接，包括图像识别、目标检测、语义分割等，覆盖了AlexNet、GoogleNet、ResNet系列、SSD、FCN等知名模型，适用于不同场景和需求。
TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

Jetson nano 能运行的网络下载地址：

https://github.com/dusty-nv/jetson-inference/releases

1 "\Zb Image Recognition - all models  (2.2 GB)\Zn" off \
2 "   > AlexNet                    (244 MB)" off \
3 "   > GoogleNet                  (54 MB)" on \
4 "   > GoogleNet-12               (42 MB)" off \
5 "   > ResNet-18                  (47 MB)" on \
6 "   > ResNet-50                  (102 MB)" off \
7 "   > ResNet-101                 (179 MB)" off \
8 "   > ResNet-152                 (242 MB)" off \
9 "   > VGG-16                     (554 MB)" off \
10 "   > VGG-19                     (575 MB)" off \
11 "   > Inception-v4               (172 MB)" off \
12 "\Zb Object Detection - all models   (395 MB)\Zn" off \
13 "   > SSD-Mobilenet-v1           (27 MB)" off \
14 "   > SSD-Mobilenet-v2           (68 MB)" on \
15 "   > SSD-Inception-v2           (100 MB)" off \
16 "   > PedNet                     (30 MB)" on \
17 "   > MultiPed                   (30 MB)" off \
18 "   > FaceNet                    (24 MB)" on \
19 "   > DetectNet-COCO-Dog         (29 MB)" on \
20 "   > DetectNet-COCO-Bottle      (29 MB)" off \
21 "   > DetectNet-COCO-Chair       (29 MB)" off \
22 "   > DetectNet-COCO-Airplane    (29 MB)" off \
23 "\Zb Semantic Segmentation - all            (518 MB)\Zn" off \
24 "   > FCN-ResNet18-Cityscapes-512x256   (47 MB)" on \
25 "   > FCN-ResNet18-Cityscapes-1024x512  (47 MB)" on \
26 "   > FCN-ResNet18-Cityscapes-2048x1024 (47 MB)" off \
27 "   > FCN-ResNet18-DeepScene-576x320    (47 MB)" on \
28 "   > FCN-ResNet18-DeepScene-864x480    (47 MB)" off \
29 "   > FCN-ResNet18-MHP-512x320          (47 MB)" on \
30 "   > FCN-ResNet18-MHP-640x360          (47 MB)" off \
31 "   > FCN-ResNet18-Pascal-VOC-320x320   (47 MB)" on \
32 "   > FCN-ResNet18-Pascal-VOC-512x320   (47 MB)" off \
33 "   > FCN-ResNet18-SUN-RGBD-512x400     (47 MB)" on \
34 "   > FCN-ResNet18-SUN-RGBD-640x512     (47 MB)" off \
35 "\Zb Semantic Segmentation - legacy     (1.4 GB)\Zn" off \
36 "   > FCN-Alexnet-Cityscapes-SD     (235 MB)" off \
37 "   > FCN-Alexnet-Cityscapes-HD     (235 MB)" off \
38 "   > FCN-Alexnet-Aerial-FPV        (7 MB)" off \
39 "   > FCN-Alexnet-Pascal-VOC        (235 MB)" off \
40 "   > FCN-Alexnet-Synthia-CVPR      (235 MB)" off \
41 "   > FCN-Alexnet-Synthia-Summer-SD (235 MB)" off \
42 "   > FCN-Alexnet-Synthia-Summer-HD (235 MB)" off \
43 "\Zb Image Processing - all models   (138 MB)\Zn" off \
44 "   > Deep-Homography-COCO       (137 MB)" off \
45 "   > Super-Resolution-BSD500    (1 MB)" off )

 

#
# IMAGE RECOGNITION
#
function download_alexnet()
{
echo "$LOG Downloading AlexNet..."

download_file "bvlc_alexnet.caffemodel" "https://nvidia.box.com/shared/static/5j264j7mky11q8emy4q14w3r8hl5v6zh.caffemodel"
download_file "alexnet.prototxt" "https://nvidia.box.com/shared/static/c84wp3axbtv4e2gybn40jprdquav9azm.prototxt"
download_file "alexnet_noprob.prototxt" "https://nvidia.box.com/shared/static/o0w0sl3obqxj21u09c0cwzw4khymz7hh.prototxt"
}

function download_googlenet()
{
echo "$LOG Downloading GoogleNet..."

download_file "bvlc_googlenet.caffemodel" "https://nvidia.box.com/shared/static/at8b1105ww1c5h7p30j5ko8qfnxrs0eg.caffemodel" 
download_file "googlenet.prototxt" "https://nvidia.box.com/shared/static/5z3l76p8ap4n0o6rk7lyasdog9f14gc7.prototxt"
download_file "googlenet_noprob.prototxt" "https://nvidia.box.com/shared/static/ue8qrqtglu36andbvobvaaj8egxjaoli.prototxt"
}

function download_googlenet12()
{
echo "$LOG Downloading GoogleNet-12..."
download_archive "GoogleNet-ILSVRC12-subset.tar.gz" "https://nvidia.box.com/shared/static/zb8i3zcg39sdjjxfty7o5935hpbd64y4.gz" 
}

function download_resnet18()
{
echo "$LOG Downloading ResNet-18..."
download_archive "ResNet-18.tar.gz" "https://nvidia.box.com/shared/static/gph1qfor89vh498op8cicvwc13zltu3h.gz" 
}

function download_resnet50()
{
echo "$LOG Downloading ResNet-50..."
download_archive "ResNet-50.tar.gz" "https://nvidia.box.com/shared/static/ht46fmnwvow0o0n0ke92x6bzkht8g5xb.gz" 
}

function download_resnet101()
{
echo "$LOG Downloading ResNet-101..."
download_archive "ResNet-101.tar.gz" "https://nvidia.box.com/shared/static/7zog25pu70nxjh2irni49e5ujlg4dl82.gz" 
}

function download_resnet152()
{
echo "$LOG Downloading ResNet-152..."
download_archive "ResNet-152.tar.gz" "https://nvidia.box.com/shared/static/6t621ru1i054vscvhx3rqck8597es7w8.gz" 
}

function download_vgg16()
{
echo "$LOG Downloading VGG-16..."
download_archive "VGG-16.tar.gz" "https://nvidia.box.com/shared/static/ar2ttdpnw1drzxnvpw0umzkw67fka3h0.gz" 
}

function download_vgg19()
{
echo "$LOG Downloading VGG-19..."
download_archive "VGG-19.tar.gz" "https://nvidia.box.com/shared/static/1ubk73f1akhh4h7mo0iq7erars7j5yyu.gz" 
}

function download_inception_v4()
{
echo "$LOG Downloading Inception-v4..."
download_archive "Inception-v4.tar.gz" "https://nvidia.box.com/shared/static/maidbjiwkg6bz2bk7drwq7rj8v4whdl9.gz" 
}
#
# OBJECT DETECTION
#
function download_pednet()
{
echo "$LOG Downloading PedNet..."
download_archive "ped-100.tar.gz" "https://nvidia.box.com/shared/static/0wbxo6lmxfamm1dk90l8uewmmbpbcffb.gz" 
}

function download_multiped()
{
echo "$LOG Downloading MultiPed..."
download_archive "multiped-500.tar.gz" "https://nvidia.box.com/shared/static/r3bq08qh7zb0ap2lf4ysjujdx64j8ofw.gz" 
}

function download_facenet()
{
echo "$LOG Downloading FaceNet..."
download_archive "facenet-120.tar.gz" "https://nvidia.box.com/shared/static/wjitc00ef8j6shjilffibm6r2xxcpigz.gz" 
}

function download_detectnet_coco_dog()
{
echo "$LOG Downloading DetectNet-COCO-Dog..."
download_archive "DetectNet-COCO-Dog.tar.gz" "https://nvidia.box.com/shared/static/3qdg3z5qvl8iwjlds6bw7bwi2laloytu.gz" 
}

function download_detectnet_coco_chair()
{
echo "$LOG Downloading DetectNet-COCO-Chair..."
download_archive "DetectNet-COCO-Chair.tar.gz" "https://nvidia.box.com/shared/static/fq0m0en5mmssiizhs9nxw3xtwgnoltf2.gz" 
}

function download_detectnet_coco_bottle()
{
echo "$LOG Downloading DetectNet-COCO-Bottle..."
download_archive "DetectNet-COCO-Bottle.tar.gz" "https://nvidia.box.com/shared/static/8bhm91o9yldpf97dcz5d0welgmjy7ucw.gz" 
}

function download_detectnet_coco_airplane()
{
echo "$LOG Downloading DetectNet-COCO-Airplane..."
download_archive "DetectNet-COCO-Airplane.tar.gz" "https://nvidia.box.com/shared/static/xi71hlsht5b0y66loeg73rxfa73q561s.gz" 
}

function download_ssd_mobilenet_v1()
{
echo "$LOG Downloading SSD-Mobilenet-v1..."
download_archive "SSD-Mobilenet-v1.tar.gz" "https://nvidia.box.com/shared/static/0pg3xi9opwio65df14rdgrtw40ivbk1o.gz" 
}

function download_ssd_mobilenet_v2()
{
echo "$LOG Downloading SSD-Mobilenet-v2..."
download_archive "SSD-Mobilenet-v2.tar.gz" "https://nvidia.box.com/shared/static/jcdewxep8vamzm71zajcovza938lygre.gz" 
}

function download_ssd_inception_v2()
{
echo "$LOG Downloading SSD-Inception-v2..."
download_archive "SSD-Inception-v2.tar.gz" "https://nvidia.box.com/shared/static/mjq1cel6r5mdk94yb9o6v4nj8gxzlflr.gz" 
}

function download_detection()
{
echo "$LOG Downloading all Object Detection models..."

download_ssd_mobilenet_v1
download_ssd_mobilenet_v2
download_ssd_inception_v2

download_pednet
download_multiped
download_facenet

download_detectnet_coco_dog
download_detectnet_coco_bottle
download_detectnet_coco_chair
download_detectnet_coco_airplane

ALL_DETECTION=1
}
#
# SEMANTIC SEGMENTATION
#
function download_fcn_resnet18_cityscapes_512x256()
{
echo "$LOG Downloading FCN-ResNet18-Cityscapes-512x256..."
download_archive "FCN-ResNet18-Cityscapes-512x256.tar.gz" "https://nvidia.box.com/shared/static/k7s7gdgi098309fndm2xbssj553vf71s.gz" 
}

function download_fcn_resnet18_cityscapes_1024x512()
{
echo "$LOG Downloading FCN-ResNet18-Cityscapes-1024x512..."
download_archive "FCN-ResNet18-Cityscapes-1024x512.tar.gz" "https://nvidia.box.com/shared/static/9aqg4gpjmk7ipz4z0raa5mvs35om6emy.gz" 
}

function download_fcn_resnet18_cityscapes_2048x1024()
{
echo "$LOG Downloading FCN-ResNet18-Cityscapes-2048x1024..."
download_archive "FCN-ResNet18-Cityscapes-2048x1024.tar.gz" "https://nvidia.box.com/shared/static/ylh3d2qk8qvitalq8sy803o7avrb6w0h.gz" 
}

function download_fcn_resnet18_deepscene_576x320()
{
echo "$LOG Downloading FCN-ResNet18-DeepScene-576x320..."
download_archive "FCN-ResNet18-DeepScene-576x320.tar.gz" "https://nvidia.box.com/shared/static/jm0zlezvweiimpzluohg6453s0u0nvcv.gz" 
}

function download_fcn_resnet18_deepscene_864x480()
{
echo "$LOG Downloading FCN-ResNet18-DeepScene-864x480..."
download_archive "FCN-ResNet18-DeepScene-864x480.tar.gz" "https://nvidia.box.com/shared/static/gooux9b5nknk8wlk60ou9s2unpo760iq.gz" 
}

function download_fcn_resnet18_mhp_512x320()
{
echo "$LOG Downloading FCN-ResNet18-MHP-512x320..."
download_archive "FCN-ResNet18-MHP-512x320.tar.gz" "https://nvidia.box.com/shared/static/dgaw0ave3bdws1t5ed333ftx5dbpt9zv.gz" 
}

function download_fcn_resnet18_mhp_640x360()
{
echo "$LOG Downloading FCN-ResNet18-MHP-640x360..."
download_archive "FCN-ResNet18-MHP-640x360.tar.gz" "https://nvidia.box.com/shared/static/50mvlrjwbq9ugkmnnqp1sm99g2j21sfn.gz" 
}

function download_fcn_resnet18_pascal_voc_320x320()
{
echo "$LOG Downloading FCN-ResNet18-Pascal-VOC-320x320..."
download_archive "FCN-ResNet18-Pascal-VOC-320x320.tar.gz" "https://nvidia.box.com/shared/static/p63pgrr6tm33tn23913gq6qvaiarydaj.gz" 
}

function download_fcn_resnet18_pascal_voc_512x320()
{
echo "$LOG Downloading FCN-ResNet18-Pascal-VOC-512x320..."
download_archive "FCN-ResNet18-Pascal-VOC-512x320.tar.gz" "https://nvidia.box.com/shared/static/njup7f3vu4mgju89kfre98olwljws5pk.gz" 
}

function download_fcn_resnet18_sun_rgbd_512x400()
{
echo "$LOG Downloading FCN-ResNet18-SUN-RGBD-512x400..."
download_archive "FCN-ResNet18-SUN-RGBD-512x400.tar.gz" "https://nvidia.box.com/shared/static/5vs9t2wah5axav11k8o3l9skb7yy3xgd.gz" 
}

function download_fcn_resnet18_sun_rgbd_640x512()
{
echo "$LOG Downloading FCN-ResNet18-SUN-RGBD-640x512..."
download_archive "FCN-ResNet18-SUN-RGBD-640x512.tar.gz" "https://nvidia.box.com/shared/static/z5llxysbcqd8zzzsm7vjqeihs7ihdw20.gz" 
}

function download_segmentation()
{
echo "$LOG Downloading all Semantic Segmentation models..."

download_fcn_resnet18_cityscapes_512x256
download_fcn_resnet18_cityscapes_1024x512
download_fcn_resnet18_cityscapes_2048x1024
download_fcn_resnet18_deepscene_576x320
download_fcn_resnet18_deepscene_864x480
download_fcn_resnet18_mhp_512x320
download_fcn_resnet18_mhp_640x360
download_fcn_resnet18_pascal_voc_320x320
download_fcn_resnet18_pascal_voc_512x320
download_fcn_resnet18_sun_rgbd_512x400
download_fcn_resnet18_sun_rgbd_640x512

ALL_SEGMENTATION=1
}


#
# SEMANTIC SEGMENTATION (legacy)
#
function download_fcn_alexnet_cityscapes_sd()
{
echo "$LOG Downloading FCN-Alexnet-Cityscapes-SD..."
download_archive "FCN-Alexnet-Cityscapes-SD.tar.gz" "https://nvidia.box.com/shared/static/pa5d338t9ntca5chfbymnur53aykhall.gz" 
}

function download_fcn_alexnet_cityscapes_hd()
{
echo "$LOG Downloading FCN-Alexnet-Cityscapes-HD..."
download_archive "FCN-Alexnet-Cityscapes-HD.tar.gz" "https://nvidia.box.com/shared/static/mh121fvmveemujut7d8c9cbmglq18vz3.gz" 
}

function download_fcn_alexnet_aerial_fpv()
{
echo "$LOG Downloading FCN-Alexnet-Aerial-FPV..."
download_archive "FCN-Alexnet-Aerial-FPV-720p.tar.gz" "https://nvidia.box.com/shared/static/y1mzlwkmytzwg2m7akt7tcbsd33f9opz.gz" 
}

function download_fcn_alexnet_pascal_voc()
{
echo "$LOG Downloading FCN-Alexnet-Pascal-VOC..."
download_archive "FCN-Alexnet-Pascal-VOC.tar.gz" "https://nvidia.box.com/shared/static/xj20b6qopfwkkpqm12ffiuaekk6bs8op.gz" 
}

function download_fcn_alexnet_synthia_cvpr()
{
echo "$LOG Downloading FCN-Alexnet-Synthia-CVPR..."
download_archive "FCN-Alexnet-SYNTHIA-CVPR16.tar.gz" "https://nvidia.box.com/shared/static/u5ey2ws0nbtzyqyftkuqazx1honw6wry.gz" 
}

function download_fcn_alexnet_synthia_summer_sd()
{
echo "$LOG Downloading FCN-Alexnet-Synthia-Summer-SD..."
download_archive "FCN-Alexnet-SYNTHIA-Summer-SD.tar.gz" "https://nvidia.box.com/shared/static/vbk5ofu1x2hwp9luanbg4o0vrfub3a7j.gz" 
}

function download_fcn_alexnet_synthia_summer_hd()
{
echo "$LOG Downloading FCN-Alexnet-Synthia-Summer-HD..."
download_archive "FCN-Alexnet-SYNTHIA-Summer-HD.tar.gz" "https://nvidia.box.com/shared/static/ydgmqgdhbvul6q9avoc9flxr3fdoa8pw.gz" 
}

function download_segmentation_legacy()
{
echo "$LOG Downloading all Semantic Segmentation (Legacy) models..."

download_fcn_alexnet_cityscapes_sd
download_fcn_alexnet_cityscapes_hd
download_fcn_alexnet_aerial_fpv
download_fcn_alexnet_pascal_voc
download_fcn_alexnet_synthia_cvpr
download_fcn_alexnet_synthia_summer_sd
download_fcn_alexnet_synthia_summer_hd

ALL_SEGMENTATION_LEGACY=1
}


#
# IMAGE PROCESSING
#
function download_deep_homography_coco()
{
echo "$LOG Downloading Deep-Homography-COCO..."
download_archive "Deep-Homography-COCO.tar.gz" "https://nvidia.box.com/shared/static/nlqbsdnt76y0nmkwdzxkg4zbvhk4bidh.gz" 
}

function download_super_resolution_bsd500()
{
echo "$LOG Downloading Super-Resolution-BSD500..."
download_archive "Super-Resolution-BSD500.tar.gz" "https://nvidia.box.com/shared/static/a99l8ttk21p3tubjbyhfn4gh37o45rn8.gz" 
}

 

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

Jetson Nano使用tensorrt部署resnet18进行分类
xiao__run的博客
06-23 2362
提示：文章写完后，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 前言 一、pytorch训练数据、测试 二、转换成tensorrt模型engine 1.模型转换 2.接摄像头模型测试 总结 前言 最近接到有个目标分类的需求，需要使用jetson-nano海康摄像头针对在大规模农业种植中传统人工农作物病虫害预防和治理上存在的问题同，应用深度学习算法来进行农作物病虫害的检测，对农作物荧光图片进行病害识别检测，包含多个农作物物种。采用目前流行的深度网络结构，如深度
青龙脚本（高佣联盟，附脚本）(已废）
weixin_49808708的博客
03-22 5万+
青龙脚本（高佣联盟，附脚本）
Teranex Express格式转换器
热门推荐
diblue1的博客
11-25 6万+
Teranex Express格式转换器 Teranex Express是一款可实时处理SD、HD和Ultra HD的广播级格式转换器！它配备先进的专利运算能力，可提供优质的无缝转换，是许多全球知名电视播出机构和电影制作公司的指定使用产品！Teranex Express可为您提供多达1089种具备10bit高品质SD、HD和Ultra HD上、下、格式转换！您还将获得高质量去隔行处理、降噪功能、下拉变换自动检测、移除以及甚至编辑后素材的校正、可调画幅尺寸设定和宽高比变换，所有处理都全面支持时间码以及多通道
对比测试：AVHD101编码效率提升300%的秘诀
最新发布
IndigoNight21的博客
11-26 2437
最近在优化视频处理流程时，发现编解码效率对整体性能影响巨大。为了验证新型AVHD101编码器的实际表现，我开发了一个视频编码效率对比工具，实测数据显示它比传统H.265节省40%带宽还能提升画质。下面分享这个工具的开发思路和测试结果。特别是实时资源监控和报告生成功能，在项目验收时帮了大忙。如果你也在做视频优化，不妨试试这个方法论。的一键部署功能，我把这个工具做成了在线服务，不用配置环境就能直接测试不同视频的编码效果。内存占用优化明显：并行测试三个4K流时，内存峰值控制在8GB以内。
niuqun.zip_site:www.pudn.com
07-15
数值分析的EULER法，部分实现了追踪测速迭代松弛算法，在MATLAB中求图像纹理特征。
Language modeling meets inference networks
03-21 111
Language modeling meets inference networks INDRI - Language modeling meets inference networksINDRILanguage modeling meets inference n...
structure inference network（PPT from wps）
xiangpijiao的博客
02-23 559
这篇发表于CVPR 2018的论文是关于对象检测的，联合了实例级对象之间的关系和场景级语义上下文，设计了这种称之为结构推理网络的检测方法。下面的PPT是看完论文之后，按照自己理解的顺序整理的，希望对需要的你有帮助。 ...
英伟达SSD视觉算法，jetson.inference在jetson nano中部署
qq_18677445的博客
05-28 1290
英伟达SSD视觉算法，jetson.inference在jetson nano中部署
【jetson nano】学习（1）——安装并跑通 jetson-inference
hongbo_zhang的博客
03-29 7569
万事开头难，不以物喜，不以己悲！ 由于做毕设的原因，我接触到Jetson Nano这块强大的AI开发板。刚开始拿到按照教程安装了一遍店家给的系统，在这系统里支持一系列流行的AI框架和算法，比如TensorFlow，PyTorch，Caffe / Caffe2，Keras，MXNet等，使得开发人员能够简单快速的将AI模型和框架集成到产品中，轻松实现图像识别，目标检测，姿势估计，语义分割，视频增强和智能分析等强大功能。 但不知什么原因，在我运行CSI摄像头时总是会很卡顿，目前也是一直没能解决，所以我就自己上官
Jetson Nano烧录官方镜像和安装Jetson Inference
XueXiZaiLuShang1的博客
04-22 1856
在官方镜像中，系统中已经安装了JetPack开发套件。JetPack (当前最新版本为JetPack 4.3)支持全Jetson系列模块，包括Jetson AGX Xavier, Jetson TX2/TX1以及Jetson Nano.JetPack目前主要包括以下组件：TensorRT和cuDNN：用于高性能深度学习应用CUDA：用于GPU加速计算等应用：用于相机相关的应用及传感器驱动开发和OpenCV：用于计算机视觉开发。
Jetson nano 2G跑通Nvidia官方案例Jetson Inference
weixin_53090943的博客
05-23 995
最近在实验室拿到了一块Nvidia的开发板，Jetson Nano 2G。因为国内网络环境和Linux操作系统，作为小白想要跑通第一个官方示例程序其实并不简单，本文将详细记录跑通GitHub上的Jetson Interference的示例项目的各个步骤。
Jetson nano TensorRT环境搭建（jetson-inference）
wyk71456的博客
09-30 9060
TensorRT： 使用TensorRT Jetson Nano的官方文档中给我们推荐了二个例子，其中一个使用Tensor RT做物品识别的例子。具体的可以参考英伟达jetson-inference例子。跑通这个例子需要的模型就大概1G以上，所以这个例子的大部分并没有放到SD卡上（SD卡上只有运行这个模型所需要的TensorRT）。悲剧的是存放这些模型的服务器被墙了，所以只能将之前下载好的包远程传输到对应的下载目录下。 首先如果您没有安装git和cmake，先安装它们 sudo apt-get instal
mtcnn_facenet_cpp_tensorRT:使用TensorRT在NVIDIA Jetson（Nano）上进行人脸识别
05-02
使用TensorRT的NVIDIA Jetson（Nano）的人脸识别 带有架构的人脸识别和David Sandberg（ ）使用TensorRT和OpenCV重新训练的模型。 该项目基于FaceNet模型的输出层中所需的l2norm helper函数的实现。 链接到： 。 此外，该项目使用的改编版本进行人脸检测。 下面的更多信息。 硬件 NVIDIA Jetson Nano Raspberry Pi v2相机 如果要使用USB摄像头而不是Raspi摄像头，请在中将布尔值isCSICam设置为false。 依存关系 cuda 10.2 + cudnn 8.0 TensorRT 7.x OpenCV 4.1.1 TensorFlow r1.14（用于Python将模型从.pb转换为.uff） 更新 这个主分支现在使用Jetpack 4.4，因此依赖项已稍有更改，并且不再预先安装tens
《Deep Adaptive Inference Networks for Single Image Super-Resolution》阅读笔记
69小石头的博客
05-18 531
一、论文 《Deep Adaptive Inference Networks for Single Image Super-Resolution》 摘要近年来，由于深度卷积神经网络（CNN）的部署，单图像超分辨率（SISR）取得了巨大进展。 对于大多数现有方法，每个SISR模型的计算成本与本地图像内容，硬件平台和应用场景无关。 但是，内容和资源自适应模型是更可取的，它鼓励将更简单，更有效的网络应用于细节较少，效率受到限制的较容易区域。 在本文中，我们通过利用针对深度SISR（AdaDSR）的自适应推理网
基于Jetson nano的人脸识别系统
att0206的博客
02-01 1951
基于Jetson nano的人脸识别系统一、Jetson nano简述二、人脸检测A、人脸检测常用算法B、人脸对齐C、活体检测三、人脸跟踪A、常用跟踪算法四、TCP/UDP通信协议A、TCPB、UDP五、base64字符串编解码六、人脸识别常用算法A、常用人脸识别算法B、faceNet算法七、ncnn框架八、前端界面A、MFC 一、Jetson nano简述 二、人脸检测 A、人脸检测常用算法 B、人脸对齐 C、活体检测 三、人脸跟踪 A、常用跟踪算法 四、TCP/UDP通信协议 A、TCP B、UDP 五
Jetson nano | 实现人脸识别
W1995S的博客
08-26 2666
人脸识别代码库 https://github.com/ageitgey/face_recognition 安装参考：https://blog.youkuaiyun.com/ABC__xiaoming/article/details/116611523 报错 linano@jetson-nano$:python3 mpy-Copyl.py [ WARN:0 ] qlobal /home/nvidia/host/build opencv/nv opencv/modules/videoio/src/cap qstreame
移植到jetson nano 实现人脸识别
weixin_57512803的博客
08-31 786
移植到jetson nano 实现人脸识别 环境：Linux ubuntu-16.04.7 Opencv3.4.4 Opencv-contrib-3.4.4 Qt-opensource-linux-x64-5.12.10 Qt-everywhere-src-5.12.10 cmake-3.10.0-Linux-x86_64 交叉编译工具：gcc-linaro-7.5.0-2019.12-x86_64_aarch64-linux-gnu.ta...
Jetson nano实战系列:基于MTCNN+FaceNet实现人脸识别
菠萝菠萝哒X
12-31 2515
Jetson nano实战系列:基于MTCNN+FaceNet实现人脸识别
玩转Jetson Nano（八）人脸识别（二）
beckhans的博客
04-26 1万+
书接上文，得到了训练好的模型后，就可以使用这个模型做人脸识别了。当然，范围只限于被我拍照的几个人。 另外，我做了一个简单的界面，这个系统是用在windows下，和之前的训练模型在Ubuntu下不一样，所以我重新建立了一个工程。并使用了Keras2.2.4 ，OpenCV4.1， Python3.6.7，Pyqt5.0。 好了。开始干活 1. 画界面。 这个没啥好说的，我用QtDesign...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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