-
![姿态估计]()
姿态估计
姿态估计1.简介姿势估计包括定位形成骨架拓扑（又名链接）的各种身体部位（又名关键点）。姿势估计有多种应用，包括手势、AR/VR、HMI（人机界面）和姿势/步态校正。为人体和手部姿势估计提供了预先训练的模型，该模型能够在每帧中检测多个人。poseNet对象接受图像作为输入，并输出对象姿势列表。每个对象姿势都包含一个检测到的关键点列表，以及它们的位置和关键点之间的链接。您可以查询这些以查找特定功能。p
2023-07-25 admin 148
-
![语义分割]()
语义分割
语义分割1.语义分割介绍我们将在本教程中介绍的下一个深度学习功能是语义分割。语义分割是基于图像识别的，除了分类发生在像素级别，而不是整个图像。这是通过对预先训练的图像识别主干进行卷积来实现的，该主干将模型转换为能够按像素标记的全卷积网络（FCN）。分割对于环境感知特别有用，它为每个场景产生了许多不同潜在对象的密集的每像素分类，包括场景前景和背景。 segNet接受2D图像作为输入，并输出具有每像素
2023-07-25 admin 151
-
![SSH远程登录&文件传输]()
SSH远程登录&文件传输
Jesson Nano 远程登录教程&&远程传输文件教程提示:配置好的镜像，用户名为jetson原始密码为:nvidia1.远程登录教程1、先确定自己板子的ip地址。方法1：直接在安装系统过程中，在界面通过ctr+Alt+T打开命令提示符，输入：ifconfig找到对应的有线网卡eth0的IP地址，如果购买了无线网卡，请看wlan下地址。方法2：可以登录无线路由器管理系统，找到板子
2023-07-25 tuwei312 218
-
![训练图像分类模型]()
训练图像分类模型
训练图像分类模型1.训练前的准备在这个教程开始前，python必须安装好torchCPU+GPU版本，可以看本系列教程的torch的安装教程。2.开始对猫狗数据集重新训练(我司提供的压缩包里包含此项,无需执行此步骤)cd jetson-inference/python/training/classification/datawget https://nvidia.box.com/shared/st
2023-07-25 admin 95
-
![网络配置]()
网络配置
网络配置1、远程登录。根据自己喜好选择PuTTY、SSH、Xshell等工具远程登录。以下以PuTTY工具举例。注意：如果发现电脑无法远程，可以尝试双方互相ping一下，nano上查看ip地址命令：ifconfig。Windows下查看本地ip地址cmd命令：ipconfig。知道对方ip地址后，ping 192.168.1.xx 后面ip地址根据实际命令得出来的修改。如果发现putty经常会自动
2023-07-25 tuwei312 244
-
![训练对象检测模型]()
训练对象检测模型
训练对象检测模型1.训练前的准备在这个教程开始前，python必须安装好torchCPU+GPU版本，可以看本系列教程的torch的安装教程。因为基础模型已经有一些基础的信息，如果从头训练将会大大增加训练的时间，所以本教程只讲解对基础模型重新训练，如果想从头训练请看上一章的训练教程2.进行图片素材的下载cd /home/jetson/jetson-inference/python/training
2023-07-25 admin 86
-
![图像分类推理]()
图像分类推理
图像分类推理1.ImageNet对图像进行分类有多种类型的深度学习网络可用，包括识别、检测/定位和语义分割。我们在本教程中强调的第一个深度学习功能是图像识别，它使用在大型数据集上训练的分类网络来识别场景和对象。imageNet对象接受输入图像并输出每个类别的概率。在1000个对象的ImageNet ILSVRC数据集上进行了训练后，GoogleNet和ResNet-18模型在构建步骤中自动下载。有
2023-07-25 admin 174
-
![摄像头测试]()
摄像头测试
摄像头测试1.CSI摄像头教程注意：暂时只支持IMX219传感器的摄像头：如何测试摄像头，打开Jetson orin NX的终端写入命令：nvgstcapture-1.0 ，摄像头就会起来了命令介绍--prev_res 预览视屏的分辨率，高度和宽度，用的是CSI摄像头的话范围是 2 to 12 (5632x4224) 举例:nvgstcapture-1.0 --prev-res=3--cus-pr
2023-07-25 admin 431
