FastDeploy之YoloV8(x86和jetson)

点PY

已于 2024-01-08 16:59:48 修改

阅读量807

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习模型部署文章标签： YOLO 计算机视觉 opencv

于 2023-05-17 15:47:51 首次发布

本文链接：https://blog.csdn.net/weixin_42990464/article/details/130727439

深度学习模型部署专栏收录该内容

18 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

文章目录

环境准备
获取模型文件和测试图片
CMakeLists.txt
推理代码
编译和运行
在自己数据集上的效果
在jetson上实现TRT加速
问题
参考

环境准备

CUDA >= 11.2
cuDNN >= 8.0
python >= 3.6
Linux(x64)

下载FastDeploy C++ SDK

GPU

wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-gpu-1.0.6.tgz
tar -xzvf fastdeploy-linux-x64-gpu-1.0.6.tgz

CPU

wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-1.0.7.tgz

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

点PY

关注关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

使用YOLOV8实现滑块缺口验证码识别，并使用Fastdeploy快速部署，精度高达99%！！

码王吴彦祖的博客

05-29

2980

首先大家对滑块缺口验证码的识别应该有很多经验了，大部分人可能阅读过我的文章或者其他人的文章，能从各方了解到，滑块缺口的各种实现方式，例如模板匹配、边缘检测、提取透明通道、yolov5，paddledection等，此篇文章将会讲解yolov8的使用和训练，yolov8相对于yolov5有着更好的精度，同时，搭配fastdeploy也能快速部署，我仅在此，为大家分享一下使用经验。

MNN-YOLOv8 c++ 推理+交叉编译

星月IWJ

05-17

1147

MNN-YOLOv8 c++ 推理+openwrt交叉编译后推理

参与评论您还未登录，请先登录后发表或查看评论

[paddle]fastdeploy相关地址汇总

FL1623863129的博客

04-12

341

fastdeploy GPU源码编译安装：https://github.com/PaddlePaddle/FastDeploy/blob/develop/docs/cn/build_and_install/gpu.md。fastdeploy CPU源码编译安装：https://github.com/PaddlePaddle/FastDeploy/blob/develop/docs/cn/build_and_install/cpu.md。

YOLOv8分类的三种C++实现：opencv dnn/libtorch/onnxruntime

最新发布

网络资源是无限的

06-14

919

YOLOv8分类的三种C++实现：opencv dnn/libtorch/onnxruntime

libtorch 分类C++推断

jiayou2021的博客

12-10

276

分类C++推断 #pragma once #define _CRT_SECURE_NO_WARNINGS #include<torch/torch.h> #include<torch/script.h> #include<iostream> #include <windows.h> #include <tuple> #include <string> #include <opencv2/opencv.hpp> #inclu

libtorch 语义分割 C++推断

jiayou2021的博客

12-10

532

语义分割C++推断 #pragma once #include<string> #include<opencv2/opencv.hpp> #include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> #include<opencv2/imgproc/imgproc.hpp> class _declspec(dllexport)Runtime_Segmentation_

目标跟踪+YOLOv8-deepsort 实现智能车辆跟踪+计数系统

07-09

目标跟踪+YOLOv8-deepsort 实现智能车辆跟踪+计数系统： - 本工程包含源码及详细操作视频 - 里边也包含了环境搭建+demo运行的详细教程适合研究小白等

[YOLOv8] 在Jetson Nano当中部署YOLOv8目标检测算法

m0_75272311的博客

04-24

8368

使用jetson nano部署YOLOv8

Jetson nano部署Yolov8.html

01-28

Jetson nano部署Yolov8.html

jetson nano csi摄像头 tensorrt 运行yolov8检测项目代码

05-27

在本项目中，我们主要关注的是利用Jetson Nano开发板，通过CSI接口连接的摄像头，以及TensorRT优化的Yolov8模型进行目标检测。这是一个典型的嵌入式计算机视觉应用，涉及到了硬件平台、图像输入、深度学习模型优化...

基于YOLOv8+英伟达 jetson Xavier NX开发的安全驾驶监测系统源码+模型+项目说明.zip

08-09

系统基于Jetson Xavier NX构建，使用最新的YOLOv8、Dlib和OpenCV技术，实现了实时监测驾驶员行为的功能，如观看手机、打哈欠、眨眼等。功能特性实时行为监测：利用摄像头捕捉驾驶员面部表情及行为，实时识别疲劳...

yolov8使用C++推理的流程及注意事项

08-28

opencv_mingw编译

FastDeploy在jetson上进行部署

如果想成为中心，那么就到中心去吧。

07-27

676

【代码】FastDeploy在jetson上进行部署。

YOLOV8目标检测C++推理问题总结

Stone_石头

10-31

618

问题：如图，针对同一张图片，上图为python直接预测的结果，下图为OpenCV的DNN推理结果（ONNXRuntime也和下图差不多），和结果差异很大，原因未知。注意把#include <torch/torch.h>放到include "opencv.hpp"前面，不然也会冲突报错。数据集有限，使用paddleOCR直接识别准确率无法达到99%，这里尝试用目标检测对识别得分比较低的图片进行二次处理；类别数目：数字（10）+字母（26）+字符（2）= 38。最后使用Libtorch推理，效果可以。

基于x86_64主机Ubuntu18.04配置LibTorch进行C++验证YOLOv8调用CUDA推理识别环境安装调试详细记录

Yan_uuu的博客

11-15

1272

基于x86_64主机Ubuntu18.04配置LibTorch进行C++验证YOLOv8调用CUDA推理识别环境安装调试详细记录

Fastdeploy快速部署YOLOv8模型（含安装教程及源码）

2303_80018785的博客

04-25

2631

本文为笔者最近两天尝试使用FastDeploy进行一个快速的模型部署实践下面简单介绍一下关于FastDeploy是什么，相较于传统部署的优势，装的时候遇到的小问题，最后还有安装的教程以及简单的部署实战。

fastdeploy快速部署yolov5离线模型

码王吴彦祖的博客

11-14

4269

本篇主要是介绍了yolov5模型的快速部署，使用过yolov5训练过的兄弟都知道，训练完之后，无论你的模型是如何导出的，最后想要使用导出的模型，可能还脱离不了yolov5框架，因为，在使用导出的模型前，yolov5对输入层和输出层都做了较多的图像处理，导致，最后要么是调用yolov5中的detect.py，要么是自己手抠输入层和输出层的算法

FastDeploy的方式在OK3588上部署yolov7-- C++（十）

shajiayu1的博客

07-29

1368

⚡️FastDeploy是一款全场景、易用灵活、极致高效的AI推理部署工具，支持云边端部署。提供超过 🔥160+ Text，Vision， Speech和跨模态模型📦开箱即用的部署体验，并实现🔚端到端的推理性能优化。包括物体检测、字符识别（OCR）、人脸、人像扣图、多目标跟踪系统、NLP、Stable Diffusion文图生成、TTS 等几十种任务场景，满足开发者多场景、多硬件、多平台的产业部署需求。

yolov8 opencv模型部署（C++版）