Журнал изменений

Основные обновления и новые функции этого проекта будут перечислены в этом документе.

3 августа 2021

• Добавлено Оценка поз с помощью PoseNet с предобученными моделями
• Добавлено Моноокулярная глубина с помощью DepthNet с предобученными моделями
• Добавлена поддержка для cudaMemcpy() из Python
• Добавлена поддержка для рисования 2D фигур с помощью CUDA

31 августа 2020

• Добавлена начальная поддержка для запуска в контейнерах Docker
• Изменено поведение OpenGL для отображения окна на первом кадре
• Мелкие исправления ошибок и улучшения

15 июля 2020> Примечание: Изменения API с этого обновления предназначены для обратной совместимости, так что предыдущий код должен продолжать работать. * Переобучение SSD-Mobilenet учебника по обнаружению объектов с использованием PyTorch

• Поддержка коллекции наборов данных для обнаружения объектов и разметки ограничивающих прямоугольников в инструменте camera-capture
• videoSource и videoOutput API для C++/Python, поддерживающие несколько типов потоков видео:
  • MIPI CSI камеры
  • V4L2 камеры
  • RTP / RTSP
  • Видео & Изображения
  • Последовательности изображений
  • OpenGL окна
• Объединение примеров -console и -camera для обработки как изображений, так и потоков видео
  • imagenet.cpp / imagenet.py
  • detectnet.cpp / detectnet.py
  • segnet.cpp / segnet.py
• Поддержка изображений типа uchar3/uchar4/float3/float4 (по умолчанию теперь uchar3 вместо float4)
• Замена не прозрачной Python-капсулы памяти на объект jetson.utils.cudaImage
  • См. Image Capsules in Python для получения дополнительной информации * Изображения теперь доступны для срезов и индексации из Python для прямого доступа к набору данных пикселей
  • Преобразование в Numpy ndarray теперь поддерживает форматы uchar3/uchar4/float3/float4
• cudaConvertColor() автоматическая функция конвертации цветового пространства (RGB, BGR, YUV, Bayer, монохромное и т. д. )
• Python CUDA-биндинги для cudaResize(), cudaCrop(), cudaNormalize(), cudaOverlay()
  • См. Image Manipulation with CUDA и cuda-examples.py для примеров использования этих функций
• Переход на использование Python3 по умолчанию, так как Python Yö 2. 7 теперь вышел из поддержки
• Учебник DIGITS теперь помечен как устаревший (заменен учебником по переносному обучению PyTorch)
• Логирование теперь можно контролировать/отключать из командной строки (например, --log-level=verbose)

Спасибо всем участникам форумов и GitHub, кто помог тестировать эти обновления заранее!## 3 октября 2019

• Добавлены новые предобученные модели семантической сегментации FCN-ResNet18:

• Поддержка Python API для imageNet, detectNet и утилит камеры/дисплея
• Примеры Python для обработки статических изображений и потокового вещания с камеры
• Поддержка взаимодействия с numpy ndarrays из CUDA
• Встроенное перетренирование моделей ResNet-18 с PyTorch
• Примерные наборы данных: 800МБ Кошки/Собаки и 1,5ГБ PlantCLEF
• Инструмент на основе камеры для сбора и маркировки пользовательских наборов данных
• Текстовый интерфейс пользователя для выбора/скачивания предварительно обученных моделей
• Новые предварительно обученные модели классификации изображений (на 1000-классном ImageNet ILSVRC)
  • ResNet-18, ResNet-50, ResNet-101, ResNet-152
  • VGG-16, VGG-19
  • Inception-v4
• Новые предварительно обученные модели обнаружения объектов (на 90-классном MS-COCO)
  • SSD-Mobilenet-v1
  • SSD-Mobilenet-v2
  • SSD-Inception-v2
• Документация по API для C++ и Python
  • Информация о командной строке для всех примеров, запускайте с помощью --help
  • Вывод времени работы сетевого профилировщика, включая предварительную и последующую обработку
  • Улучшенная растровая векторизация шрифтов с использованием системных TTF шрифтов

^{© 2016-2020 NVIDIA | Содержание}