yolo5+tensorrt加速+DeepStream(打开摄像头)

1.使用前注意事项

如果采用的是YAHBOOM版的镜像，不需要搭建DeepStream这部分的环境了。如果是自己搭建的镜像，这需要搭建DeepStream这部分的环境，可参考我们提供的DeepStream搭建教程，也可自行百度

2.使用说明

2.1 模型转换

git clone https://github.com/marcoslucianops/DeepStream-Yolo.git  #yahboom的镜像是不需要这步的
cd DeepStream-Yolo/utils   #这里的DeepStream-Yolo是在~/目录下的
#主要拷贝转换脚本到自己的yolov5项目下即可
cp gen_wts_yoloV5.py ../../yolov5
cd ../../yolov5
#根据自己的权重文件修改
python3 gen_wts_yoloV5.py -w  ./yolov5s.pt

2.2 部署模型

1. 成功运行上一步后，yolov5的目录中会出现两个文件，yolov5n.cfg 以及 yolov5n.wts
2. 把 yolov5n.cfg 和 yolov5n.wts 放到jetson nano的DeepStream-Yolo文件夹中

2.3 修改deepstream配置文件（YAHBOOM版的镜像可省略此步）

1. 修改deepstream_app_config.txt 文件 修改的内容如下： 注释70行，在后面添加一行： config-file=config_infer_primary_yoloV5.txt 如图所示：
2. 修改第二个配置文件 config_infer_primary_yoloV5.txt

xxxxxxxxxx
[property]
# 省略 ...
**model-engine-file=model_b2_gpu0_fp16.engine** # 修改 fp32->fp16
batch-size=2 # batch-size 改为2，速度会快一些
# 省略...
**network-mode=2 #** 修改为 2, 强制使用fp16推理
# 省略 ...

注意：FPS与输入图像大小，batch-size，interval等参数有关，需要根据实际应用优化，这里我们直接把infer的batch-size改为2，模型的推理速度就会有明显提升

3.编译运行

xxxxxxxxxx
cd nvdsinfer_custom_impl_Yolo/
CUDA_VER=11.4 make -j4 #根据你的CUDA版本修改11.4数字部分
cd .. 
deepstream-app -c deepstream_app_config.txt

等待一段时间，可以看到CSI摄像头的画面打开了

注意

1. 如果是使用自己的搭建的镜像，需要在 deepstream_app_config.txt进行修改 修改如图所示：
2. 如果使用的是USB摄像头，需要把资料里面的附件里面的deepstream_app_config_usb.txt这个文件上传到jetson，和deepstream_app_config.txt这文件是同一个地方的,如下图所示： 然后运行

xxxxxxxxxx
cd ~/DeepStream-Yolo
deepstream-app -c deepstream_app_config_usb.txt

稍等一会，就能实现检测了

deepsteram 文件配置的参数说明，相关的参考连接如下： https://blog.csdn.net/weixin_38369492/article/details/104859567