您可以将GPU编码器™与深度学习工具箱™结合使用,在使用NVIDIA的嵌入式平台上生成代码并部署深度学习网络®Jetson和Drive平台。预先训练的网络和例子,如目标检测、图像分类和驾驶辅助应用程序,使GPU编码器易于使用深度学习,即使没有专家知识的神经网络,深度学习,或先进的计算机视觉算法。
我们从MATLAB中发布的示例开始,解释了如何训练YOLO v2对象检测器,使用GPU编码器™,我们生成优化的CUDA代码,并使用NVIDIA的硬件支持包金宝app®在gpu上,我们将生成的代码作为一个独立的应用程序部署到Jetson Xavier板上。
下载部分包含可以用来生成代码的其他脚本和函数。
请参考以下文档链接的例子在MATLAB和所有必要的文件:
使用YOLO v2进行对象检测//www.tatmou.com/help/vision/ug/train-an-object-detector-using-you-only-look-once.html
链接到视频:
//www.tatmou.com/videos/real-time-object-detection-with-yolo-v2-using-gpu-coder-1553781156610.html
MathWorks GPU编码器社区配置文件(2021)。使用GPU编码器的YOLO v2实时对象检测(//www.tatmou.com/matlabcentral/fileexchange/71259-real-time-object-detection-with-yolo-v2-using-gpu-coder), MATLAB中央文件交换。检索.
我得到一个错误试图加载' yolov2ResNet50VehicleExample。你能把文件加进去吗?