访问官网
GithubDeepStream-Yolo 项目介绍
DeepStream-Yolo 是一个基于NVIDIA DeepStream SDK的项目，旨在为各种YOLO（You Only Look Once）模型提供配置支持，通过良好的兼容性和高效的计算性能，帮助开发者在人脸识别、物体检测和图像的实时处理上实现优越的性能。
项目的主要改进
DeepStream-Yolo 项目在多个方面进行了改进，以提升在不同设备和平台上的YOLO模型执行性能。主要优点和功能包括：
- 支持 INT8 校准，优化计算精度与效率。
- 支持非正方形模型的处理，增加了处理的灵活性。
- 提供模型基准测试，帮助开发者更好地评估模型性能。
- 支持通过DeepStream平台上的GPU完成Darknet模型（如YOLOv4等）转换与后期处理。
- 支持多种最新的模型，如RT-DETR、YOLO-NAS、PPYOLOE+等等，并通过ONNX进行转换和GPU处理。
- 增强的GPU边界框解析器和自定义ONNX模型解析器。
- 动态批处理大小支持，适应不同数据量的需求。
开始使用
要开始使用DeepStream-Yolo，需满足以下条件：
需求
平台方面，支持DeepStream从版本5.1到7.1，兼容多个Ubuntu版本和CUDA、TensorRT组合，不同版本的DeepStream对Linux、CUDA、TensorRT和驱动版本有所不同的需求。
使用步骤
-
下载代码库：从GitHub克隆DeepStream-Yolo代码库。
git clone https://github.com/marcoslucianops/DeepStream-Yolo.git -
准备配置文件：从Darknet仓库下载相应模型的配置文件和权重文件。
-
编译库文件：根据所使用的DeepStream版本设置CUDA版本，编译用于YOLO的自定义实现库。
make -C nvdsinfer_custom_impl_Yolo clean && make -C nvdsinfer_custom_impl_Yolo -
配置推理文件：编辑
config_infer_primary.txt文件，输入您使用的模型配置和权重文件，例如YOLOv4。 -
运行应用：使用deepstream-app运行配置好的应用。
deepstream-app -c deepstream_app_config.txt注意：初始化并生成TensorRT引擎文件可能耗时较长，具体取决于模型的复杂程度。
Docker 使用
在x86平台和Jetson平台都提供了基于Docker的使用方法，这简化了环境配置和依赖管理。在使用前，需要在Docker容器中安装必要的开发工具。
NMS（非极大值抑制）配置
在配置推理文件中，可以通过修改nms-iou-threshold等参数来调整NMS设置，以优化模型输出的精确度。
其他重要备注
- DeepStream-Yolo 通过Python和C/C++接口获取元数据，这允许开发者在DeepStream应用中获取检测结果及其相关信息。
- DeepStream-Yolo 项目在容错性、性能优化等方面提供了大量更新，使其能够在复杂的实时流媒体处理中发挥更大作用。
DeepStream-Yolo 是一个强大的工具，适合对实时图像处理和深度学习有需求的开发者和公司。其丰富的功能和对各种最新模型的支持，使其成为大规模图像和视频处理项目中的理想选择。
