심각도 코드 설명 프로젝트 파일 줄 비표시 오류(Suppression) 상태오류 LNK2001 확인할 수 없는 외부 기호 impprintf GetNPT D:\\dev\\2.영상스트리밍수신프로그램\\liveMedia.lib(MP3InternalsHuffman.obj) 1

출처 : https://drdbg.com/115Visual Studio 2015 이상 버전에서 이전 버전의 lib 링크 시 발생하는 에러.stdin ,stdout,stderr의 IO 변경으로 인한 것이므로,"에러가 발생하는" 프로젝트 상단에, 아래 코드를 추가

일반적인 jetson 개발용 보드가 아닌, 직접 보드를 설계하고 bsp가 설치된 경우에는 cuda, tensorrt, opencv, deepstream 등 라이브러리를 직접 설치해야함.$ sudo apt install nvidia-tensorrt

DeepStream을 이용한 프로그램을 개발 후,고객에게 배포할 때 모델의 네트워크 구조 및 민감한 개발정보가 노출되는 것을 피하기 위해 가장 먼저 해야할 일은 콘솔 출력을 비활성화 하는 것이다.표준 입출력 비활성화이전 포스팅 C++ 표준입출력 STDOUT 비활성화를

프로그램을 개발하다보면 printf, cout 등의 표준입출력을 이용해 메세지를 출력하거나 값을 확인하는 경우가 많다.또 외부 라이브러리를 사용하는 경우에도 메세지가 출력되는 경우가 많은데, 출력 소스코드를 하나하나 찾아서 주석처리하거나, 라이브러리를 새로 빌드하는 것

실시간 object detection를 위해 다양한 paper가 나왔지만, 결국은 yolo가 최고의 성능을 자랑한다.2018년에 공개된 yolov3 이후로 yolo는 많이 개선되었고 realtime SOTA(yolov7) 까지 오게 되었다.그러나,많은 사람들이 사용하는

첫 회사에 입사 후 딥러닝과 Object detection을 공부하면서 가장 먼저 접한 것이 YOLO(2018년 당시 yolov3) 였다.그 후로 매해 새로운 버전이 나타나면서 현재까지도 YOLO는 최고의 속도와 정확도를 보여주고 있다.(yolov7)yolo의 버전이

$ sudo apt install v4l-utils$ ls /dev/video\*예를 들어 "video0"번의 지원 해상도를 확인하려면아래와 같이 확인할 수가 있다.$ v4l2-ctl -d /dev/video0 --list-formats-ext

두달 동안 yolox-darknet53, yolox-X 모델까지 조건을 다르게해서 30번정도 훈련을 완료했다.yolox 알고리즘의 jetson xavier 보드 포팅 및 tensorrt 추론, 성능평가 방법, Nvidia Deepstream 포팅과정은포스팅에 다루지 않

1\. 비정방형 모델 입력

YOLOX에서 공개한 모델은 경량 모델인 nano, tiny와 yolov3(spp)의 백본인 darknet53, s, m, l, x 모델로 구성된다.coco dataset에 대한 mAP 결과를 보면 V100 기준 속도가 비슷한 YOLOX-m 모델과 YOLOX-Darkn

기존에 사용중이던 yolo v5 model과 비교하여 yolox가 가지는 장점을 서술해보면,yolo v3의 darknet backbone 기반에 몇가지 아이디어를 추가하여 우수한 성능을 보임비슷한 시기(2021년) 발표된 다양한 yolo 시리즈 중 우수한 acc/spe

$ git clone https://github.com/Megvii-BaseDetection/YOLOX.gitcd YOLOX

오피스 프로그램은 필요없으므로 제거하여 용량을 확보하자sudo apt-get autoremove libreoffice\* -ysudo apt-get clean

Jetson Jetpack SDK를 설치 후 nvidia 계정으로 gui 부팅이 된 상태를 기준으로 시작한다.$ sudo apt update$ sudo apt upgradeJetson 보드에 VNC 원격 데스크탑 서버를 설치할 수 있지만,느려서 답답하기 때문에, 키보드

상세한 설치 포스팅이 있어서 그대로 링크를 첨부한다.https://webnautes.tistory.com/1186이대로만 하면된다.

https://github.com/Megvii-BaseDetection/YOLOXyolox 공식 구현 repo 설치 과정 및 개발환경 세팅.사전에 cuda 및 pytorch 설치가 필요하다.그 외 git repo의 Quick Start 를 따라 설치하면 된다.

https://github.com/NVIDIA-AI-IOT/torch2trt설치 중 Step 2. 에서 아래의 오류가 발생하는 경우가 있다.tensorrt 헤더의 경로가 추가되지 않은 경우이며,https://github.com/NVIDIA-AI-IOT

cuda 설치 참조 linkcuda만 정상적으로 설치되었으면 tensorrt 설치는 어렵지 않다.쉽다!pycuda 설치$ pip install pycuda==2020.1tensorrt 다운로드tensorrt 다운로드 linktar 형식으로 다운로드 받는다.$ tar x