由于大多数深度学习模型部署在嵌入式平台均出现推理速度过慢的情况，因此引用到tensorRT来加速推理深度学习模型，以yolov5为例，本文介绍了两种方式将yolov5在pytorch框架下训练出的.pt权重抓换成tensorRT的推理引擎。从而实现深度学习模型在嵌入式平台的部署与加速。本文实验平台为jetson nano及jetson TX2.加速效果明显
2022-04-19 17:05:35
10MB
1
1400张车子的数据集，已经完全手工专业标注完成，包括车子图片和生成的.xml文件，可供yolov3、yolov4、yolov5框架训练出车辆检测模型，识别度超过百分之98以上。
2022-04-17 16:08:30
710.07MB
yoloV5预训练模型，官方给的是谷歌网盘下载地址，下载速度较慢，压缩包包含yolov3-spp.pt，yolov5l.pt，yolov5m.pt，yolov5s.pt，yolov5x.pt
2022-04-17 16:08:29
849.39MB
基于YOLOV5目标检测模型的实时车牌识别，包括对车辆的车牌区域精确定位，利用校正探测器对定位的车牌进行边框校正处理，使用增强神经网络模型对车牌区域进行超分辨率技术处理和光学字符识别。经过多次试验测试，可以对视频中的车辆车牌实时识别以及图片中的车辆车牌进行准确定位和识别，识别速度快，准确率高，比那些传统车牌识别方法效果好
2022-04-17 16:08:06
321.5MB
yolov5权重文件，包含yolov5l.pt yolov5m.pt yolov5s.pt yolov5x.pt
2022-04-15 15:43:44
610.71MB
1