Contents
電腦視覺目標檢測實戰
從這 1.5 小時的課程，你會學到
- 瞭解 AI 影片處理加速引擎 TensorRT 和 Deepstream
- 掌握 YOLOv5 的 Jetson Nano 部署方法
要求
- 熟悉 Python 和 PyTorch
課程說明
PyTorch 版的 YOLOv5 是高效能的即時目標檢測方法。Jetson Nano 是英偉達含有 GPU 的人工智慧硬體。本課程講述如何部署 YOLOv5 在 Jetson Nano 開發板上。部署完成後可進行影象、影片檔案和攝像鏡頭影片的即時目標檢測。部署時使用 AI 影片處理加速引擎 TensorRT 和DeepStream。
DeepStream 應用程式框架具有硬體加速建構塊，可將深層神經網路和其他複雜處理任務帶入串流處理管道。開發者只需專注於建構核心深度學習網路，而不是從頭開始設計端到端解決方案。DeepStream 即時影片串流分析包含即時影片解碼和神經網路進行推理。推理由一個主執行緒透過呼叫 TensorRT 推理引擎來處理所有批次推理任務。Tensorrtx 使用 TensorRT 網路定義 API 實施流行的深度學習網路，支援 YOLOv5 的 TensorRT 加速。
課程內容包括：原理篇（DeepStream介紹、TensorRT介紹、 tensorrtx介紹）、實踐篇（Nano硬體搭建、燒錄系統映象、安裝遠端登入工具、安裝和測試 DeepStream、安裝 yolov5、生成 yolov5s.wts 檔案、生成yolov5s.engine、使用 DeepStream 部署 yolov5、Nano 部署測試）
本課程提供Jetson Nano系統映象、遠端登入工具的下載（百度網盤）
【相關課程】
本人推出了有關YOLOv5目標檢測的系列課程。請持續關注該系列的其它影片課程，包括：
- 《YOLOv5目標檢測實戰：訓練自己的資料集》
- 《YOLOv5目標檢測：原理與原始碼解析》
- 《YOLOv5目標檢測實戰：Flask Web部署》
- 《YOLOv5目標檢測實戰：TensorRT加速部署》
- 《YOLOv5目標檢測實戰：Jetson Nano部署》
- 《YOLOv5實戰口罩佩戴檢測》
- 《YOLOv5實戰交通標誌識別》
- 《YOLOv5實戰垃圾分類目標檢測》
- 《YOLOv5+DeepSORT多目標跟蹤與計數精講》
目標受眾
- 希望學習YOLOv5目標檢測Jetson Nano部署方法的學員
講師簡介
Frank BAI Professor
大學教授，博士生導師，美國博士學位。十年以上IT技術工作經歷，先後就職於美國和中國資訊科技科技公司、研究院與高校。擔任人工智慧創業公司資深顧問。主持多項國家級科研專案，發表學術論文100多篇，獲得授權專利10多項。 研究方向包括：深度學習、電腦視覺等。
報名參加課程
你必須登入才能發表留言。