懂AI

DeepStream-Yolo:在NVIDIA DeepStream中实现YOLO模型

RayRay
DeepStreamYOLONVIDIATensorRTCUDAGithub开源项目

DeepStream-Yolo项目介绍

DeepStream-Yolo是一个用于在NVIDIA DeepStream SDK中配置和运行YOLO系列目标检测模型的开源项目。该项目支持DeepStream SDK 5.1到7.0版本,适用于x86平台和Jetson平台。

主要特性

  • 支持多种YOLO模型,包括Darknet、YOLOv5、YOLOv6、YOLOv7、YOLOv8等
  • 支持INT8量化和动态批处理
  • 提供GPU加速的后处理
  • 自定义ONNX模型解析器
  • 支持非方形输入模型
  • 提供模型基准测试

支持的模型

项目支持以下YOLO系列模型:

  • Darknet
  • MobileNet-YOLO
  • YOLO-Fastest
  • YOLOv5
  • YOLOv6
  • YOLOv7
  • YOLOv8
  • YOLOR
  • YOLOX
  • DAMO-YOLO
  • PP-YOLOE/PP-YOLOE+
  • YOLO-NAS

环境要求

不同版本的DeepStream对环境有不同的要求,以DeepStream 7.0为例,x86平台需要:

  • Ubuntu 22.04
  • CUDA 12.2 Update 2
  • TensorRT 8.6 GA
  • NVIDIA Driver 535
  • GStreamer 1.20.3

Jetson平台则需要:

  • JetPack 6.0
  • DeepStream SDK 7.0

基本使用方法

  1. 克隆项目仓库:
git clone https://github.com/marcoslucianops/DeepStream-Yolo.git
cd DeepStream-Yolo

  1. 下载YOLO模型的cfg和weights文件到项目目录

  2. 编译自定义库:

make -C nvdsinfer_custom_impl_Yolo clean && make -C nvdsinfer_custom_impl_Yolo

  1. 修改配置文件config_infer_primary.txt,设置模型路径等参数

  2. 运行DeepStream应用:

deepstream-app -c deepstream_app_config.txt

高级配置

NMS配置

可以通过修改config_infer文件来调整NMS参数:

[class-attrs-all]
nms-iou-threshold=0.45 
pre-cluster-threshold=0.25
topk=300

INT8量化

项目支持INT8量化以提高性能,详细步骤见INT8 calibration文档。

元数据提取

可以通过Python或C/C++ API提取DeepStream的元数据,获取检测结果的标签、位置等信息。

结语

DeepStream-Yolo项目为在NVIDIA DeepStream中部署YOLO模型提供了完整的解决方案。通过该项目,开发者可以方便地将各种YOLO模型集成到DeepStream应用中,充分利用GPU加速能力实现高性能的目标检测。项目还在持续更新中,未来将提供更多教程和功能支持。

YOLO检测示例

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多