Xavier配置YOLOv4和ffmpeg环境

最新推荐文章于 2025-05-09 18:32:08 发布
原创 最新推荐文章于 2025-05-09 18:32:08 发布 · 822 阅读 · 5 ·
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。

  • 编译安装YOLOv4

      1. 从github上先git darknet

          git clone https://github.com/AlexeyAB/darknet

       2.修改Makefile文件

cd darknet-master
sudo gedit Makefile
1.	GPU=1
2.	CUDNN=1
3.	CUDNN_HALF=1
4.	OPENCV=1
5.	AVX=0
6.	OPENMP=0
7.	LIBSO=1
8.	ZED_CAMERA=0
9.	ZED_CAMERA_v2_8=0
10.	NVCC=/usr/local/cuda-10.0/bin/nvcc

   如下图所示：

最低0.47元/天 解锁文章

200万优质内容无限畅学
嵌入式视频应用开发者必读：嵌入式Linux+FFmpeg硬件编解码实战指南
大模型大数据攻城狮的专栏
07-14 1066
在嵌入式Linux上，FFmpeg支持多种硬件加速API，比如VAAPI、VDPAU、CUDA，以及针对特定平台的专用接口（如NVIDIA的NVENC、Intel的QSV、ARM的Mali）。FFmpeg的硬件解码通过-hwaccel参数启用，咱们以常见的H.264和HEVC（H.265）格式为例，展示如何用VAAPI和V4L2实现高效解码。： FFmpeg硬件加速需要额外的库，比如libva（VAAPI）、libv4l2（V4L2）或libnvcodec（CUDA）。
基于YOLO的视频监控多目标跟踪算法研究：从YOLOv8到ByteTrack的完整落地
最新发布
步入烟尘的博客
07-20 945
本文提出一种基于YOLOv8和ByteTrack的视频监控多目标跟踪方案。针对传统监控系统漏检、误报问题，采用YOLOv8检测（7ms延迟）结合ByteTrack关联策略，引入相机运动补偿和轨迹插值优化。实验表明，该方案在MOT17数据集上达到80.3 MOTA，ID Switch降低至318次，推理延迟11ms，显著优于DeepSORT和FairMOT。系统实现从RTSP视频流解码到Grafana可视化的完整落地流程，为智能监控提供高效、精准的多目标跟踪解决方案。
YOLOv3-in-FFmpeg:将YOLOv3放入ffplay中以检测视频中的对象
04-09
FFmpeg-4.3.1中的YOLOv3 介绍 我试图将YOLOv3放入FFmpeg的示例播放器ffplay中，并将其编译为myplay。 这样它就可以检测视频中的对象。 Darknet.cpp和Darknet.h是Darknet.h的文件，它们来自 。 另外三个源文件来自FFmpeg-4.3.1 / fftools，我对其进行了一些修改。 我在做什么 我已经在具有nvidia-driver-460和cuda-11.0的GPU机器上实现了这个项目，它的速度可以达到30〜35 fps。 分行 主-使用的OpenCV正常化数据（从0到255至0-1），绘制recangle为每个检测到的对象。 过滤器-使用火炬标准化数据，同时提请recangle由ffplay本身完全实现了。 OpenCV被删除。 要求 CMake> = 3.0 GNU> = 5.4.0 LibTorch> = 1.5.0
nvidia 硬件条件下 ffmpeg安装流程
linux_chen的专栏
08-01 2605
cuda ffmpeg 安装配置
YOLO -FFmpeg -MediaMtx 实现检测内容实时推流（RTSP）
weixin_43200362的博客
05-09 720
本文介绍了如何通过FFmpeg和MediaMtx实现视频流的目标检测与推流。首先，详细说明了在不同操作系统（Linux和Windows）下安装FFmpeg和MediaMtx的步骤。接着，提供了一个Python代码示例，展示了如何使用YOLO模型进行目标检测，并通过FFmpeg将检测结果推流到RTSP服务器。代码中包含了视频帧的读取、目标检测、结果绘制以及推流的过程，并支持循环播放和指定推流时长。最后，通过VLC播放器验证推流效果，确保推流成功。整个过程涵盖了工具安装、代码实现和效果验证，适合需要实现视频流处
在Xavier上调用摄像头实现yolo-v3检测
热门推荐
xxxy502的博客
07-31 2万+
目前手上有两块板子，TX2和Xavier，然后代码都很容易移植，下面附上用摄像头实时监测的代码，yolov3 其实检测，主要就是调用摄像头的一些参数问题，记得好像（160,320）的图在xavier上有15Fps import sys import argparse from yolo_xie import YOLO, detect_video from PIL import Image i...
在Xavier上运行yolov5，并解决pytorch版本兼容问题
m0_43507735的博客
07-10 2700
本文主要描述我在Xavier上如何运行yolov5:4.0，其间遇到了xavier上jetpack版本低导致安装的pytorch版本低的问题，故存在兼容性问题，但是又懒得刷机，本文记录了我解决这个问题的方法，仅供参考。
NVIDIA Jeston Xavier部署YOLO5
weixin_46025237的博客
11-04 2511
一、刷机 新到手的Xavier可以刷一下机，相当于格式化了。当然，已经用了很久的就没必要了。 这里建议刷机时使用Jeston4.4及以上的版本：参考这里。 二、联网 刷机之后开机即可正常使用Xavier，但如果要安装各种库和包还需要让Xavier联网。 参考这里。 三、下载YOLO5模型 yolo5的模型有很多地方都有上传，这里也提供一处教程：参考这里。 四、部署环境 4.1下载安装miniforge 首先需要在Xavier安装miniforge作为annoconda的替代品（Xavier采用的是ARM架构
Jetson Xavier NX配置YOLOV5环境
TataDou的博客
03-25 1347
例如，我的文件原路径是：Download/cuda-10.2, 我的指令就应该是sudo cp -r Download/cuda-10.2 /usr/local。然后将/usr/local中的cuda-10.2中的targets解压，键盘输入a将进入Insert模式，然后将下方信息复制到文件末尾。然后esc退出Insert模式，然后键盘输入:wq 保存并退出。将Cuda10.2文件移到/usr/local中。安装完成后，重启系统，可以终端输入jtop调用。将cudnn文件中的三个deb文件拷到开发板里。
jetson nano 部署yolov5s（从配置环境到推理）
weixin_54603153的博客
08-31 6455
前言 前几天完成了在树莓派上部署yolov5s，但是效果实在不好，大概0.3的fps，在老师的支持下又买了一块jetson nano的板子，开始折腾。 以下是拿到板子装过系统，从更换源到实现yolov5部署的一个完整过程。 参考 https://blog.youkuaiyun.com/IamYZD/article/details/119618950 https://blog.youkuaiyun.com/u012254599/article/details/99291834 https://blog.youkuaiyun.com/
英伟达Jetson Xavier NX部署YOLO5
weixin_46025237的博客
01-16 3262
1.查看JetPack版本 新到手的NX首先需要确定一下JetPack的版本： sudo apt-cache show nvidia-jetpack 会显示类似下面的内容： Package: nvidia-jetpack Version: 4.6-b199 Architecture: arm64 Maintainer: NVIDIA Corporation 不同的JetPack版本会对应后续不同torch和torchvison版本的选择。 2.拓展存储空间 NX自带的存储空间非常小，想要部署YOLO5肯
c++调用YOLOV4实现目标检测
06-19
需要配置opencv和cuda的环境，配置之后可以直接运行生成检测之后的图片，yolov4.weights直接在网上下载就可以放到代码的目录下
jetson-ffmpeg:在Jetson Nano上的ffmpeg支持
05-12
杰森·弗佩格 ffmpeg的L4T多媒体API 1.构建并安装库 git clone https://github.com/jocover/jetson-ffmpeg.git cd jetson-ffmpeg mkdir build cd build cmake .. make sudo make install sudo ldconfig 2.修补ffmpeg并构建 git clone git://source.ffmpeg.org/ffmpeg.git -b release/4.2 --depth=1 cd ffmpeg wget https://github.com/jocover/jetson-ffmpeg/raw/master/ffmpeg_nvmpi.patch git apply ffmpeg_nvmpi.patch ./configure --enable-nvmp
ffmpeg+x264编译好的arm-linux平台的库文件bin/include/lib的文件，FFMPEG与X264的单独库文件
02-22
ffmpeg+x264编译好的arm-linux平台的库文件bin/include/lib的文件，FFMPEG与X264的单独库文件
opencv拉流yolov5-deepsort-rtmp ffmpeg推流 人车流统计计数
01-30
opencv拉流yolov5推理-deepsort追踪-rtmp ffmpeg推流 人车流统计计数
Jetson Xavier NX 下 yolov8 tensorrt模型部署（Jetpack5.1.2、CUDA11.4、Cudnn8.6.0、Tensorrt8.5.2）
ayxc_ve的博客
11-02 8536
Jetson Xavier NX 下 yolov8 tensorrt模型部署流程记录及问题处理，本文使用的是TensorRT-Alpha封装库，基于tensorrt+cuda，实现模型的gpu加速。
NVIDIA Jetson AGX Xavier YOLOv5应用与部署
黎国溥
01-08 872
前言在NVIDIA Jetson AGX Xavier 部署YOLOv5的深度学习环境，然后能正常推理跑模型。 目录 一、安装虚拟环境 二、创建环境 三、安装torch、torchvision 3.1安装torch 3.2安装torchvision 3.3 测试torch、torchvision 四、安装YOLOv5依赖库 五、测试模型 六、NVIDIA Jetson 开发常用命令 一、安装虚拟环境 Xavier 是arm架构的，无法正常无法安装Anaconda或Mini..
目标检测与位姿估计（一）：YOLOv4的实现
qq_37662375的博客
08-03 2045
下载数据集 链接：https://pan.baidu.com/s/15Q_7bNe4Ca0OluBM_2je5A 提取码：4da9
JetsonXavierAGX配置Yolov5环境
u012123768的博客
06-13 1654
JetsonXavierAGX配置Yolov5环境
AGX docker yolov5
03-20
要在NVIDIA AGX Xavier平台上通过Docker成功部署和运行YOLOv5模型，需要完成以下几个方面的配置： #### 1. 环境准备 确保AGX设备已正确安装JetPack SDK以及相应的驱动程序。JetPack 是 NVIDIA 提供的一个集成开发...
评论
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