算法部署 | 使用TensorRT在Jetson-Xavier-AGX上部署YOLOv4目标检测算法

最新推荐文章于 2025-03-21 14:10:38 发布

极智视界

最新推荐文章于 2025-03-21 14:10:38 发布

阅读量741

点赞数 2

分类专栏：极智项目文章标签：算法部署 TensorRT Jetson AGX YOLOv4 目标检测优质项目实战

本文链接：https://blog.csdn.net/weixin_42405819/article/details/137918461

版权

极智项目专栏收录该内容

69 篇文章

订阅专栏

本文详细描述了如何在NVIDIAJetsonXavierAGX平台上使用TensorRT对YOLOv4目标检测算法进行GPU加速，涉及依赖安装、编译、模型转换和执行推理步骤，以及提供相应的ROS启动命令和下载资源链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

项目应用场景

- 面向 NVIDIA Jetson Xavier AGX 平台部署 YOLOv4 目标检测算法场景，项目采用 TensorRT 进行 GPU 算法加速推理。

项目效果

项目细节 ==> 具体参见项目 README.md

- (1) 安装依赖

Install pycuda (takes awhile)
$ cd ${HOME}/catkin_ws/src/yolov4_trt_ros/dependencies
$ ./install_pycuda.sh

Install Protobuf (takes awhile)
$ cd ${HOME}/catkin_ws/src/yolov4_trt_ros/dependencies
$ ./install_protobuf-3.8.0.sh

Install onnx (depends on Protobuf above)
$ sudo pip3 install onnx==1.4.1

- (2) 编译

$ cd ~/catkin_ws && catkin_make
$ source devel/setup.bash

$ cd ${HOME}/catkin_ws/src/yolov4_trt_ros/plugins
$ make

- (3) 模型转换

$ ./convert_yolo_trt

- (4) 执行推理

# For YOLOv3 (single input)
$ roslaunch yolov4_trt_ros yolov3_trt.launch

# For YOLOv4 (single input)
$ roslaunch yolov4_trt_ros yolov4_trt.launch

# For YOLOv4 (multiple input)
$ roslaunch yolov4_trt_ros yolov4_trt_batch.launch