Jetson Nano使用YOLOv4进行目标检测

最新推荐文章于 2026-01-14 18:48:39 发布
原创 最新推荐文章于 2026-01-14 18:48:39 发布 · 5.3k 阅读 · 83 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#计算机视觉 #人工智能 #opencv
本文介绍如何在JetsonNano上使用YOLOv4进行目标检测，包括下载源码、配置编译环境、下载权重文件及进行图片、视频和实时摄像头的目标检测测试。

Jetson Nano使用YOLOv4进行目标检测

下载地址

git clone https://github.com/AlexeyAB/darknet.git

在这里插入图片描述

相关配置

编辑Makefile

cd darknet
sudo vim Makefile

在这里插入图片描述

修改Makefile

GPU=1
CUDNN=1
OPENCV=1

编译

在darknet路径下编译

make  -j4

在这里插入图片描述

下载权重文件

# yolov4-tiny.weights
wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v4_pre/yolov4-tiny.weights

在这里插入图片描述

测试

Yolov4-tiny图片检测

./darknet detect cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg # 简写版

./darknet detector test cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg # 完整版


Yolov4-tiny视频检测

./darknet detector demo cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/test_video.mp4

在这里插入图片描述

Yolov4-tiny CSI摄像头实时检测

# 使用CSI摄像头前，要安装GStreamer
sudo add-apt-repository universe
sudo add-apt-repository multiverse
sudo apt-get update
sudo apt-get install gstreamer1.0-tools gstreamer1.0-alsa gstreamer1.0-plugins-base gstreamer1.0-plugins-good gstreamer1.0-plugins-bad gstreamer1.0-plugins-ugly gstreamer1.0-libav
sudo apt-get install libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libgstreamer-plugins-good1.0-dev libgstreamer-plugins-bad1.0-dev 
# 配置GStreamer管道，并使用Yolov4-tiny模型进行检测
./darknet detector demo cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights "nvarguscamerasrc ! video/x-raw(memory:NVMM), width=1280, height=720, format=NV12, framerate=30/1 ! nvvidconv flip-method=0 ! video/x-raw, width=1280, height=720, format=BGRx ! videoconvert ! video/x-raw, format=BGR ! appsink"

在这里插入图片描述

YoloV4-ncnn-Jetson-Nano:适用于Jetson Nano的YoloV4
04-05
YoloV4-ncnn-Jetson-Nano 带有ncnn框架的YoloV4。 论文： : 专为Jetson Nano设计的产品，请参阅 基准。 模型 杰特逊纳米2015 MHz RPi 4 64-OS 1950兆赫 YoloV2（416x416） 10.1帧/秒 3.0帧/秒 YoloV3（352x352）微小 17.7帧/秒 4.4 FPS YoloV4（416x416）微小 11.2 FPS 3.4帧/秒 YoloV4（608x608）完整 0.7帧/秒 0.2帧/秒 YoloV5（640x640）小 4.0 FPS 1.6帧/秒 依赖关系。 2021年4月4日：改编为ncnn版本20210322 要运行该应用程序，您必须： 已安装腾讯ncnn框架。 代码：：已安装块。 （ $ sudo apt-get install codeblocks ） 安装应用程
Jetson Nano部署实现（一）——Yolov5目标检测-Jetson Nano部署
小刺猬的宝藏笔记本
05-27 7637
1.烧录系统镜像 1.1 下载系统镜像 英伟达官方下载地址 ：https://developer.nvidia.com/embedded/downloads 下载系统镜像JetPack 4.5.1（注意有4GB和2GB两个版本，根据Jetson Nano的型号选择相应的版本） 1.2格式化 SD 卡 下载SD Card Formatter软件并安装，使用 SD Card Formatter 格式化 SD 卡。 下载地址：https://www.sdcard.org/downloads/form.
用yolov4-tiny检测在电力输电线20种鸟类，灵活运用训练trick，实验较为完备，数据处理丰富度值得参考
白水空空
08-21 1384
输电线路高效防鸟害是电网运行维护面临的长期挑战。本文提出了一种将轻量级卷积神经网络(CNN)、图像处理和目标检测相结合的方法来检测与输电线路故障相关的典型鸟类。构建了威胁输电线路安全的20种鸟类图像数据集。。通过调整训练过程的参数，在测试集上的平均精度(mAP)可以达到92.04%。然后，根据测试结果和性能指标，与Faster RCNN、SSD、YOLOv4等方法进行比较，验证了所提方法的有效性。利用运动模糊、散焦模糊、对比度和亮度调节等图像预处理方法模拟了实际工程应用场景。
YOLOv4目标检测实战：Jetson Nano部署
04-08
YOLOv4(AlexyAB/darknet)是最近推出的端到端实时目标检测方法。YOLOv4-tiny是对YOLOv4的轻量化模型，适合在边缘计算设备上部署。 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YOLOv4-tiny在Jetson Nano开发板上。 部署完成后可进行视频文件和摄像头视频的实时目标检测。部署时将使用AI视频处理加速引擎TensorRT和DeepStream。课程内容包括：原理篇（DeepStream介绍、TensorRT介绍、YOLOv4-Tiny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、使用DeepStream部署YOLOv4-tiny、Nano部署测试） 
YOLO v4在jetson nano的安装及测试
duping812的博客
11-02 4585
You only look once (YOLO)是一款非常著名的物体识别深度学习网络，可实现快速检测的同时还达到较高的准确率。官网 https://pjreddie.com/darknet/yolo/ 本问介绍yolo v4版的安装与测试。为了提高检测速率，硬件部分选择了nvidia公司出品的低成本jetson nano，利用CUDA实现GPU加速。 文章目录1. 准备工作2. 安装YOLO3. 测试参考文献 1. 准备工作 jetson nano 4G内存版，安装系统镜像，自带的jetpack 4.6已
jetsonNano使用YOLOv4/YOLOv4-tiny训练自己的网络
biubiubiu617的博客
08-14 8557
jetsonNano使用YOLOv4训练自己的网络 一.准备工作如下： 下载darknet网络文件 https://github.com/AlexeyAB/darknet （readme有教程，看懂英文的可直接去读文档） 下载YOLOV4/YOLOV4-tiny.weights文件 yolov4.weights yolov4-tiny.weights (都可以在AlexeyAB下找到的，下载好放到darknet文件夹下) 修改配置文件 darknet->makefile文件下： GPU=1 CUDNN
在Jetson nano中使用yolov4进行目标检测
qq_33287871的博客
04-27 1069
在Jetson nano中使用yolov4进行目标检测下载地址相关配置编辑Makefile修改Makefile编译下载权重文件测试Yolov4-tiny图片检测Yolov4-tiny视频检测Yolov4-tiny CSI摄像头实时检测 下载地址 git clone https://github.com/AlexeyAB/darknet.git 相关配置 编辑Makefile cd darknet sudo vim Makefile 修改Makefile GPU=1 CUDNN=1 OPENC
Jetson Nano使用YOLOv4-Tiny进行目标检测
知行合一的博客
06-02 1987
一.简介 本文硬件是Jetson Nano 4G，操作系统ubuntu18.04。利用nano自带的模型对图像的检测识别。 二.环境搭建 第一步：jetson nano更换国内源 首先备份 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak 然后输入 sudo gedit /etc/apt/sources.list 打开文本编译器 然后换源 比如清华源 自行百度寻找源地址，下面提供一种方式： sudo vim sources.list 按i键进入编
《YOLOv8 在 Jetson Nano 4GB 上的部署实践：基于 TensorRT 的边缘 AI 目标检测》
最新发布
benjamin_77的博客
01-14 1315
Jetson Nano 4GB 是一款面向边缘计算的低功耗嵌入式 AI 平台，适合部署轻量级视觉模型。本文以 YOLOv8 为例，介绍其在 Jetson Nano 4GB 上的完整部署流程，包括环境搭建、模型导出、TensorRT 加速推理及基础性能优化，并通过图解与示例代码帮助初级开发人员快速实现边缘 AI 目标检测应用。
Jetson Nano-测试YOLOv4系列
Ay_yzx的博客
03-19 1403
将环境准备好后，此处使用到Pytorch 版本的yolov4-tiny，初始yolov4-tiny训练出来的权重文件大小为23M左右。之后在原来模型上进行稍微到调整，训练后到权重文件大小为48M左右，差不多为原2倍左右。 程序移植 首先需要保证torch、torchvision、CUDA等版本的一致。 不同的环境缺少的包也不同，特别是换源问题，在上一篇有提到，换源后会出现安装指定版本失败等结果。建议使用自带源。 问题一：The _imagingft C module is not installed 这个
在Nvidia Jetson Nano上利用YOLO进行目标检测的实践过程
Change ZH的博客
10-04 1万+
在Nvidia Jetson Nano上利用YOLO进行目标检测的实践过程
jetson nano 部署yolov5s（从配置环境到推理）
weixin_54603153的博客
08-31 6554
前言 前几天完成了在树莓派上部署yolov5s，但是效果实在不好，大概0.3的fps，在老师的支持下又买了一块jetson nano的板子，开始折腾。 以下是拿到板子装过系统，从更换源到实现yolov5部署的一个完整过程。 参考 https://blog.csdn.net/IamYZD/article/details/119618950 https://blog.csdn.net/u012254599/article/details/99291834 https://blog.csdn.net/
在TX2和NANO上部署mmdetection
qq_43229471的博客
05-07 2166
简介 强调文本 强调文本 商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，相比于Facebook开源的Detectron框架，作者声称mmdetection有三点优势：performance稍高、训练速度稍快、所需显存稍小。 但是目前官网只支持在linux系统上的安装编译，本文将介绍如何把mmdet...
Jetson nano上部署自己的Yolov5模型（TensorRT加速）
ailaier的专栏
04-30 3万+
背景 在主机上训练自己的Yolov5模型，转为TensorRT模型并部署到Jetson Nano上，用DeepStream运行。 硬件环境： RTX 2080TI主机 Jetson Nano 4G B01 软件环境： Jetson Nano: Ubuntu 18.04 Jetpack 4.5.1 DeepStream 5.1 主机： Ubuntu 18.04 CUDA 10.2 yolov5 5.0 训练模型（主机上） yolov5项目链接https://github.com/
Jetson Nano目标检测手把手实战教程（pytorch训练、tensorrt推理，含完整代码和数据）
热门推荐
你是怎么做到的？我为什么做不到
10-08 3万+
一、概述 1.1深度学习和边缘计算 2012年AlexNet模型在ImageNet数据集上取得了巨大成功，从此，深度学习技术开始进入黄金发展期。随后，深度学习在多个应用领域均大幅提升了性能指标，尤其在计算机视觉领域，超越SVM等一众传统机器学习方法。然而，深度学习的高准确性是以深度学习对计算和内存的高需求为代价的。由于输入数据可能具有很高的维数，并且需要对输入数据执行数百万次计算，因此训练和推理一个深度学习模型对空间和计算需求都很高。高准确性和高资源消耗是深度学习的特点。 ​ 为了满足深度学习...
jetson设备上部署Yolov5 v3.1 -- Deepstream5.0应用
m_wordPlan的博客
12-28 2707
1. 概述 Deepstream 是NVIDIA公司开发的AI视频处理框架，该框架是基于GStreamer视频框架上开发的。 Yolov5框架是目标检测的AI训练，推理框架。 本文主要讲述如何使用Deepstream SDK和yolov5模型推理快速构建AI应用 应用环境上主要分为两种： Jetson 边缘设备，ARM cpu架构，本文采用的是JetsonAGXXavier。
使用yolov3-tiny训练自己的图像数据以及在jetson Nano上的测试
weixin_43046653的博客
09-21 1万+
1. yolov3-tiny简介 2 安装darknet 首先下载darknet,执行如下命令: git clone https://github.com/pjreddie/darknet 下载完成后,进入darknet目录,并打开Makefile文件,因为Jetson Nano支持GPU,且已预安装了OPENCV和CUDNN.所以在编译的时候我们需要修改下Makefile文件,如下:将 GPU...
jetson-nano项目：使用csi摄像头运行yolov3-tiny demo
x16516581的博客
09-06 1万+
jetson-nano项目：使用csi摄像头运行yolov3-tiny demo前言Step 1:安装GStreamerStep 2:配置GStreamer管道Step 3:效果展示 前言 首先jetson-nano的介绍啥的我就不在此赘述了，本文主要是针对yolov3本身不支持csi摄像头的问题提供一种解决方法，便于以后运用到一些同时涉及yolov3和csi摄像头的项目中。 Step 1:安装G...
YOLO-MASK对图像数据集进行清洗
chenxiangrong的博客
05-06 1万+
一、前情介绍 之前在捣鼓yolo系列模型，尝试着对coco的羊数据集进行训练，可是发现不管怎么调参，Map一直在60几，死活上不了70。 后来在一位资深老算法师的指点下，才明白，精度很大程度取决于数据集，因此一直围绕着数据集进行优化，这篇博客大概记录了对脏数据的清洗方法。 二、下载模型 代码地址：https://github.com/AlexeyAB/Yolo_mark 因为该模型是使用了底层工具...
评论 33
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FriendshipT

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值