NVIDIA Jetson机器学习系列:物件侦测2-YOLO v4运用TensorRT加速引擎

电子森林 2021-06-11 18:53

直播预告来了!


CAVEDU的曾俊霖老师继分享了【使用OpenCV处理YOLOv4实时影像】后,再次给大家分享NVIDIA Jetson机器学习系列:物件侦测2,本次主要讲述【YOLO v4运用TensorRT加速引擎】,扫描文章底部二维码于6月11晚20:00来观看直播吧。


内容大纲 /

如何提高神经网络在图像处理上的速度? NVIDIA提出TensorRT SDK,为深度学习推论程序提供低延迟和高吞吐量。今天与大家分享在NVIDIA Jetson Nano上使用TensorRT SDK,使用上一次分享的对象侦测YOLOv4神经网络模型,做一个实时影像辨识专题。

在NVIDIA Jetson Nano硬件上实行YOLOv4

/ TensorRT简介 /
TensorRT是由NVIDIA 所推出的深度学习加速引擎 ( 以下简称trt ),主要的目的是用在加速深度学习的Inference,按照NVIDIA提出TensorRT比CPU执行快40倍的意思,就像YOLOv5针对一张图片进行推论用CPU的话大概是1秒,如果用上TensorRT的话可能就只要0.025秒而已!而这种加速大部分都是运用的边缘装置上 ( Edge Device ),由于边缘装置上的效能没有一般计算机来的好,所以往往需要这种软件加速。
 
YOLO v4简介 /
YOLO(YouOnly Look Once: Unified, Real-Time Object Detection)是一个可以一次性预测画面/图片中多个类别与该类别在画面中位置的卷积神经网络,YOLOv4与YOLO v3相比的推论速度更快,在EfficientDet性能相当的情况下,AP与FPS分别提高10%和12%。

NVIDIA Jestson Nano简介 /
NVIDIA提出的开发工具包,使用Linux操作系统,并拥有472 GFLOP的运算能力,可以快速执行机器学习的算法,并可同时执行多个神经网络可使用于嵌入式物联网应用、入门及网络录像机(NVR)、家用机器人与完整分析功能的智能网关。
NVIDIA Jetson Nano开发工具包

教学大纲 /
如何在Jetson Nano加速yolo v4的运作?
  1. ONNX模型的简介
  2. Tensor-RT的简介
  3. 如何透过ONNX将yolo v4模型转换成为Tensor-RT模型
  4. 执行yolov4的Tensor-RT模型的影像辨识

/ 直播时间 /
6月11日晚20:00正式开始直播


观看直播 /
扫描下方二维码或点击“阅读原文”直达直播间
精彩课程回顾 /
  1. NVIDIA Jetson机器学习系列:物件侦测1-使用OpenCV处理YOLOv4实时影像

  2. NVIDIA Jetson机器学习系列一:使用Jetson开源套件
  3. NVIDIA Jetson机器学习系列二:深度影像应用

  4. NVIDIA Jetson机器学习系列三:使用景深摄影机辨识人脸并侦测距离



END


硬禾学堂

硬禾团队一直致力于给电子工程师和相关专业的同学,带来规范的核心技能课程,帮助大家在学习和工作的各个阶段,都能有效地提升自己的职业能力。

硬禾学堂

我们一起在电子领域探索前进

关注硬禾公众号,随时直达课堂


   

点击阅读原文直达直播间

电子森林 讲述电子工程师需要掌握的重要技能: PCB设计、FPGA应用、模拟信号链路、电源管理等等;不断刷新的行业新技术 - 树莓派、ESP32、Arduino等开源系统;随时代演进的热点应用 - 物联网、无人驾驶、人工智能....
评论 (0)
热门推荐
X
广告
我要评论
0
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦