/
Jetbot实战系列02：软件环境安装
本次Jetbot实验全程都在 Jetson Nano 2GB 开发套件上面运行。在组装Jetbot教学系统之前，最好先把Jetbot系安装到Jetson Nano 2GB上，这样可以先对每个元件进行独立的测试，确认元件能正确工作之后再进行组装的步骤。
Jetbot实战系列01：系统介绍
在2019年NVIDIA推出Jetson Nano边缘计算设备之后，这套开源的Jetbot智能无人车教学系统也随之而生，为市场提供一套最优性价比的教学系统。
NVIDIA Jetson Nano 2GB 系列文章（38）：nvdsanalytics视频分析插件
这是个非常有用的插件，是DeepStream 5.0添加的功能，对nvinfer（主检测器）和nvtracker附加的元数据执行分析，目前主要针对涉及感兴趣区域（ROI）的过滤、过度拥挤检测、方向检测和跨线统计等四大功能。
NVIDIA Jetson Nano 2GB 系列文章（37）：多网路模型合成功能
很多人惊艳于deepstream-app里面那个可以同时检测到车子的颜色、品牌、种类的实验，这的确是个非常亮眼的应用，在开发包范例中的deepstream-test2就是这项功能的范例代码。
NVIDIA Jetson Nano 2GB 系列文章（36）：加入USB输入与RTSP输出
本文以上一期Python版的deepstream-teat1为基础，分别在输入与输出添加功能的两个扩展应用：deepstream-teat1-usbcam与deepstream-teat1-rtsp-out，分别将输入源从视频文件变成USB摄像头，以及将输出从显示屏变成RTSP视频流。
NVIDIA Jetson Nano 2GB 系列文章（31）：DeepStream 多模型组合检测-1
前面已经介绍过关于DeepStream各种输入源的使用方式，而且Jetson Nano 2GB上开启4路输入（两个摄像头+两个视频文件），都能得到25FPS以上的实时性能。
NVIDIA Jetson Nano 2GB系列文章（30）：DeepStream 摄像头“实时性能”
前面介绍过使用deepstream-app工具，启用多个视频进行车辆与行人的识别，并且启动“追踪”功能进行物件追踪的高级功能，接下来就教大家如何在deepstream-app里调用USB与CSI摄像头，并且与先前的视频同时启用来进行物件识别的应用。
NVIDIA Jetson Nano 2GB 系列文章（29）: DeepStream 目标追踪功能
在计算机视觉的应用中，“识别”只是一个相当入门的技术，相信很多人在执行深度学习推理应用中，经常产生的质疑就是“识别出的类别，有什么用途呢”？
NVIDIA Jetson Nano 2GB 系列文章（28）: DeepStream 初体验
前一篇文章为大家讲述了DeepStream的应用定位、单机工作流、实际部署图，以及完整的软件栈的内容，可以对其有一个框架性的了解。接下来大家可以思考一下，DeepStream可以开发什么应用？
Jetson Nano 2GB 系列文章（27）: DeepStream 简介与启用
DeepStream是一套集NVIDIA最尖端技术精髓于一身的智能视频分析（Intelligent Video Analytics）套件，从深度神经网络和其他复杂的处理任务引入到流处理管道中，以实现对视频和其他传感器数据的接近实时分析工作。
Jetson Nano 2GB 系列文章（26）： “Hello AI World”物件检测的模型训练
下图就是使用labelimg这个开源工具对图像进行标注的任务，将每个标注的图框给与指定的单一分类，每张图形都可能有多个分类与多个物件，标框的原则也会影响将来的推理结果，如果标框过程比较粗糙（边界界定不清楚），后面得到的结果也会比较粗糙。
Jetson Nano 2GB 系列文章（25）： “Hello AI World”图像分类的模型训练
然而，真正要完成一个深度学习的项目，还是必须完成前面阶段的模型训练部分，本文的重点就是带着大家，利用Hello AI World所提供的资源，开始进行简单的图像分类应用的模型训练。
Jetson Nano 2GB 系列文章（24）: “Hello AI World”的物件识别应用
本系列最后一个需要说明的推理识别应用，就是语义分割（semantic segmentation）的推理识别，字面上经常造成初学者的误解，以为这是语音语义识别相关的应用。现在我们看看下面的一张图片，就比较能理解语义分割的应用是什么。
Jetson Nano 2GB 系列文章（23）： “Hello AI World的物件识别应用
如果您跟着我们仔细走过前面9篇“Hello AI World”文章，相信应该都把整个jetson-inference的结构与逻辑都摸清楚了，接下来的重点，就是在目前深度学习中比较普及的“物件检测”应用。
NVIDIA Jetson Nano 2GB 系列文章（21）： “Hello AI World”图像分类指令
前面我们花了不少篇幅，以“10行python代码”为基础，更深入地讲解了Hello AI World项目的输入（videoSource）、输出（videoOutput）以及参数解析的功能，就是为了让大家能更了解这个项目提供的工具是如此好用。
NVIDIA Jetson Nano 2GB 系列文章（20） ：“Hello AI World”扩充参数解析功能
本文的目的就协助大家，以前面的“10lines.py”代码为基础，扩充解析参数的能力，这样就能直接在指令行透过给定参数的方式，来改变所要的功能，这样的方式也才能加入脚本之中，根据不同条件去进行不同的任务。
Jetson Nano 2GB系列文章（19）：Utils的videoOutput工具
上一篇文章为大家深入地讲解了videoSource()这个非常强大的输入源处理模块，本文的重点将聚焦在videoOutput()这个输出标的处理模块。
Jetson NANO 2GB系列文章（18）：Utils的videoSource工具
如果你认为这两个功能只是简单地负责数据接收与显示的话，这就大大浪费了项目作者的心血结晶，因此我们在进入本项目另外两个深度学习推理应用之前，先要把这两个幕后功臣的内涵展现出来，因为这与后面的应用息息相关。
Jetson Nano 2GB系列文章（17）：更换模型得到不同效果
在上一篇文章中，我们已经体验了”10行Python代码的威力”，可以明显感觉到 ”Hello AI World”的内容绝非一般应用的“Hello World”那么简单。在本篇文章中，我们将为大家介绍如何更换模型以获得不同的效果。
Jetson Nano 2GB 系列文章（22）： “Hello AI World”图像分类代码
为自己开发合适的应用代码。因此本文就延续上一篇文章来向大家介绍“Hello AI World”图像分类代码。
京公网安备 11010802021500号
