YOLOv5目标检测实战：Jetson Nano部署
计算机视觉目标检测实战
Description
PyTorch版的YOLOv5是高性能的实时目标检测方法。Jetson Nano是英伟达含有GPU的人工智能硬件。本课程讲述如何部署YOLOv5在Jetson Nano开发板上。部署完成后可进行图像、视频文件和摄像头视频的实时目标检测。部署时使用AI视频处理加速引擎TensorRT和DeepStream。
DeepStream应用程序框架具有硬件加速构建块，可将深层神经网络和其他复杂处理任务带入流处理管道。开发者只需专注于构建核心深度学习网络，而不是从头开始设计端到端解决方案。DeepStream 实时视频流分析包含实时视频解码和神经网络进行推理。推理由一个主线程通过调用TensorRT推理引擎来处理所有批量推理任务。Tensorrtx使用TensorRT网络定义API实施流行的深度学习网络，支持YOLOv5的TensorRT加速。
课程内容包括：原理篇（DeepStream介绍、TensorRT介绍、 tensorrtx介绍）、实践篇（Nano硬件搭建、烧录系统镜像、安装远程登录工具、安装和测试DeepStream、安装yolov5、生成yolov5s.wts文件、生成yolov5s.engine、使用DeepStream部署yolov5、Nano部署测试）
本课程提供Jetson Nano系统镜像、远程登录工具的下载（百度网盘）
【相关课程】
本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：
《YOLOv5目标检测实战：训练自己的数据集》
《YOLOv5目标检测：原理与源码解析》
《YOLOv5目标检测实战：Flask Web部署》
《YOLOv5目标检测实战：TensorRT加速部署》
《YOLOv5目标检测实战：Jetson Nano部署》
《YOLOv5实战口罩佩戴检测》
《YOLOv5实战交通标志识别》
《YOLOv5实战垃圾分类目标检测》
《YOLOv5+DeepSORT多目标跟踪与计数精讲》
What You Will Learn!
- 了解AI视频处理加速引擎TensorRT和Deepstream
- 掌握YOLOv5的Jetson Nano部署方法
Who Should Attend!
- 希望学习YOLOv5目标检测Jetson Nano部署方法的学员