-
![目标检测推理]()
目标检测推理
目标检测推理1.使用DetectNet定位对象前面的识别示例输出表示整个输入图像的类概率。接下来，我们将重点关注对象检测，并通过提取边界框来查找帧中各种对象的位置。与图像分类不同，对象检测网络能够每帧检测许多不同的对象。 detectNet对象接受图像作为输入，并输出检测到的边界框的坐标列表及其类别和置信度值。detectNet可以从Python和C++中使用。有关可供下载的各种预训练检测模型，请
2023-07-25 admin 217
-
![利用yolo5实现摄像头的实时检测]()
利用yolo5实现摄像头的实时检测
利用yolo5实现摄像头的实时检测1.使用方法如果是使用的是USB摄像头 需要在~/yolov5/utils的datasets.py(若没有此py文件,请将附件中的同名文件复制到设备中来)文件中进行一个简单的修改 对292行做取消注释'#'。293行增加'#'。 然后运行以下的命令cd ~/yolov5 && python3 detect.py
2023-07-25 admin 841
-
![动作识别]()
动作识别
动作识别1.介绍动作识别对视频帧序列中发生的活动、行为或手势进行分类。DNN通常使用具有添加的时间维度的图像分类主干。例如，基于ResNet18的预训练模型使用16帧的窗口。也可以跳过帧来延长模型对动作进行分类的时间窗口。actionNet模型对象一次接收一个视频帧，将它们作为模型的输入进行缓冲，并以最高置信度输出类。actionNet可以从Python和C++中使用。作为使用actionNet类
2023-07-25 admin 139
-
![单眼深度估计]()
单眼深度估计
单眼深度估计1.介绍深度传感对于地图绘制、导航和障碍物检测等任务很有用，但历史上它需要立体相机或RGB-D相机。现在有DNN能够从单个单眼图像推断相对深度（又称单眼深度）。请参阅麻省理工学院的FastDepth论文，了解使用全卷积网络（FCN）实现这一目标的一种方法。depthNet对象接受单色图像作为输入，并输出深度图。深度图被着色以进行可视化，但原始深度场也可用于直接访问深度。depthNet
2023-07-25 admin 156
-
![背景去除]()
背景去除
背景去除1.简介背景去除（又称背景减法，或显著对象检测）生成一个遮罩，将图像的前景与背景分割开来。您可以使用它来替换或模糊背景（类似于视频会议应用程序），也可以帮助预处理其他视觉DNN，如对象检测/跟踪或运动检测。所使用的模型是一个完全卷积网络U²-Net。backgroundNet对象获取图像，并输出前景遮罩。backgroundNet可以从Python和C++中使用。 作为使用backgrou
2023-07-25 admin 114
-
![安装TensorFlow]()
安装TensorFlow
安装TensorFlow(选看）1.安装依赖包$ sudo apt-get update$ sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran$ sudo apt-get install python
2023-07-25 admin 235
-
![不开机故障排除]()
不开机故障排除
不开机故障排除1、如果您无法启动 Jetson Nano 开发人员套件，则问题可能出在您的 USB 电源上。请使用像这样的,5V4A dc优质电源.2、使用5V4A dc电源时需要短接电源跳线J48，如图：3、不支持 HDMI 到 DVI 适配器。请使用HDMI或DP输入的显示器。
2023-07-25 tuwei312 1707
-
![yolov5简介]()
yolov5简介
yolov5简介1.什么是YOLO?YOLO是'You only look once'的首字母缩写，是一种将图像划分为网格系统的对象检测的算法。 网格中的每个单元格负责检测物理中心点落在网络自身内部的对象或物体。 由于其速度和准确性，YOLO 是最著名的物体检测算法之一。2.什么是YOLO V5YOLO V5是由Ultralytics公司开源YOLO版本，且完全基于PyTorch实
2023-07-25 admin 1258
