nvidia jetson xavier nx developer kit version emmc版重装系统

原创 已于 2023-12-31 17:36:00 修改 · 1.2k 阅读 · 7
于 2023-12-31 01:06:37 首次发布
本文详细描述了如何在JetsonXavierNX开发板上进行硬盘格式化、SDKManager的安装和配置，包括系统镜像迁移、CUDA版本管理、固态硬盘挂载以及常用工具的安装和系统设置过程。

开发板推荐：天空星STM32F407VET6开发板

超高性价比 STM32主控 | 超高主频 | 一板兼容百芯 | 比赛神器 | 沉金彩色丝印

点击查看

一、将开发板上的外置硬盘取下来格式化

二、在双系统ubuntu安装SDK Manager（.deb文件）

SDK Manager | NVIDIA Developer

sudo apt install ./sdkmanager_1.9.2-10884_amd64.deb

 报错直接百度错误，执行相应命令即可

三、 运行SDK Manager

sdkmanager

短接2，3引脚，用micro-usb线连接主机和开发板，上电

step1 取消选择host machine，选择要安装的jetpack版本

step2 全选，下面两个选项也都勾上

step3 下载完成后会跳到第四步

step4 关闭

重新打开SDK Manager

step1 取消选择host machine，选择要安装的jetpack版本

step2 只选择第一组（系统镜像），下面只勾选第一个

step3 安装，过程中弹出的对话框第二项选runtime，其他默认

step4 关闭

四、开发板接屏幕键鼠，进行简单设置

五、关机，拔掉跳线帽，装上硬盘，开机

六、挂载固态硬盘

打开Jetson Xavier NX 系统自带的磁盘分区工具Disks

选择128GB Disk，右上角选择格式化

点击＋号，大小填写112，点击next

名称填写SSD128，点击create

点击小三角，就可以看到已经挂载到系统上，同时小三角会自动变成停止键

终端查看挂载的硬盘

df -h<

开发板推荐：天空星STM32F407VET6开发板

超高性价比 STM32主控 | 超高主频 | 一板兼容百芯 | 比赛神器 | 沉金彩色丝印

点击查看
标签
#计算机视觉 #人工智能
最低0.47元/天 解锁文章
【计算机视觉】OpenCV人脸识别——LBPH、EigenFaces、FisherFaces算法详解
m0_66822255的博客
07-29 139
实现人脸识别的主要流程如下图所示：LBPH（局部二值模式直方图）EigenFaces（特征脸）FisherFaces（费舍尔脸）下面将逐一详细介绍这三种方法的原理与实现。
Far3D: Expanding the Horizon for Surround-view 3D Object Detection
AbiUni（YY熊）
07-28 53
proposing a denosing approach to adress query error propagation and mitigate convergence issues(缓解收敛问题).
【华中师范大学、华南师范大学联合主办】第五届图像处理、目标检测与跟踪国际学术会议（IPODT 2026）
weixin_73242859的博客
07-22 310
在当今人工智能和计算机视觉技术迅速发展的背景下，图像处理和目标检测与跟踪技术正广泛应用于安防监控、自动驾驶、智能家居及医疗影像等多个领域，成为推动现代科技进步的重要驱动力。本次会议旨在为全球的研究人员、工程师、学者及业界专家提供一个展示和讨论这些领域最新进展的平台，以促进相关领域的科学研究与技术创新。会议内容将涵盖从基础研究到实际应用的广泛主题，设有多种形式的互动环节，包括主题演讲、口头报告、海报展示以及互动讨论，以便与会者全面了解行业内的最新动态，并与领域内的专家建立深入联系。期待您的参与，共襄盛举！
农场畜牧目标检测数据集：5类别、15,000张图像 | 目标检测
dgw25sf的博客
07-28 241
本数据集含15,000张农场实景图像，涵盖奶牛、马、猪、绵羊及“未定义目标”共5类，采用YOLO标准标注，适配YOLOv8等主流模型。专为解决畜牧场景中密集遮挡、多姿态、光照多变等挑战设计，支持智慧养殖中的自动计数、健康监测与异常预警。
RK3568笔记127：RK3568 多路 RTSP 硬解码 + YOLO26 目标检测系统
07-24 396
同时拉取 4 路 RTSP 视频流（1080p@30fps）利用 MPP 硬件解码，CPU 占用 < 10%使用 RGA 硬件加速 YUV→BGR 转换用户选择一路进行 YOLO26 目标检测（键盘 1~4 切换）2×2 网格显示所有画面，检测结果实时叠加本文系统性地介绍了如何在 RK3568 上构建一个 4 路 RTSP 硬解码 + YOLO26 目标检测系统，深入剖析了 MPP 解码、RGA 转换、YOLO26 后处理以及多线程调度机制。项目代码完全开源，可作为嵌入式 AI 视频分析的参考框架。
GeoAI遥感深度学习，遥感分类·语义分割·目标检测·变化检测四大任务，从CNN、Transformer到空间基础模型与AI Agent全流程实战
weixin_46747075的博客
07-24 420
以场景分类、语义分割、目标检测、变化检测四大真实任务为主线，贯通数据组织、样本工程、模型训练、整景影像推理到GIS成果交付的完整链路，"带着数据来、带着成果走"的真实战，而非纸上谈兵的算法科普。
YOLO 改进系列 | 原创 CPG-IoU Loss：成对翻转视图残差方向一致性，面向复杂场景目标检测
qq_44224801的博客
07-24 42
本文介绍了一种针对YOLOv11目标检测模型的改进损失函数CPG-IoU Loss，通过成对视图训练增强bbox回归的一致性。该方法在训练时生成水平翻转的第二个视图，对同一GT的两个视图预测框施加归一化残差方向一致性约束，使用幅值门控和余弦距离进行正则化。CPG不改变模型结构，仅在训练时增加一次前向计算，验证时仍使用单视图基础路径。实验在COCO128数据集上验证了数值稳定性，但需进一步消融实验验证实际性能提升。该改进适用于标准检测任务，不兼容分割、姿态估计等特殊任务。
CenterPoint — Center-based 3D Object Detection and Tracking论文精读
如果想成为中心，那么就到中心去吧。
07-28 418
✅提出center-based 3D检测框架：将3D物体表示为点而非框，天然旋转不变，减少搜索空间✅设计轻量二阶段精炼：仅提取5个表面中心点特征，+6ms即获+2 mAP提升✅极简跟踪算法：速度预测 + 贪心最近点匹配，1ms完成，无需卡尔曼滤波✅SOTA性能：Waymo和nuScenes双榜第一，NeurIPS 2020挑战赛Top4中3个方案采用。
YOLO改进系列 | 原创 AAC-IoU Loss：成对翻转视图残差一致性，面向复杂场景目标检测
qq_44224801的博客
07-24 42
本文介绍了YOLOv11中新增的AAC（成对翻转视图bbox残差一致性）损失函数改进。AAC通过构建水平翻转视图，约束同一GT在两个视图中的预测框残差一致性，作为额外的正则化项。该方法保留原始bbox回归（如CIoU），仅在训练时增加翻转视图的前向计算。配置需启用paired_view_enable并设置bbox_experiment_weight>0。实验验证了COCO128数据集上3个epoch训练的数值稳定性，但未进行性能比较。AAC适用于标准检测任务，不改变模型结构，推理阶段保持单视图计算。核心原理
【计算机视觉】OpenCV 人脸检测与 Haar 级联分类器——原理、实现与实战案例
m0_66822255的博客
07-26 253
在 OpenCV 中，人脸检测主要通过调用预训练的分类器来实现。Haar 特征级联分类器：基于 Haar-like 特征，是最经典的人脸检测方法LBP 特征级联分类器：基于局部二值模式，速度更快HOG 特征分类器：主要用于行人检测这些分类器以XML 文件的形式提供，用户只需加载对应的 XML 文件即可快速实现人脸检测功能。Haar 特征是一种基于图像亮度差异的局部特征描述符，常用于目标检测任务。其核心思想是利用矩形区域内白色区域与黑色区域的像素值差异来表征图像的纹理和结构信息。
【计算机视觉】ResNet 残差网络与 BN 层原理、结构及解析
m0_66822255的博客
07-24 430
ResNet（Residual Neural Network，残差神经网络）是由何恺明等人在 2015 年提出的一种深度卷积神经网络架构。该模型在当年ImageNet 竞赛中一举夺得分类任务第一名和目标检测第一名，同时在COCO 数据集上也斩获目标检测和图像分割的双料冠军。ResNet 的核心创新在于引入了**残差块（Residual Block）**结构，通过"跳跃连接"的方式有效缓解了深层网络训练中的梯度消失问题，使得网络层数可以突破传统瓶颈，达到前所未有的深度。
【计算机视觉】OpenCV 物体跟踪——原理、算法与CSRT跟踪器实战
m0_66822255的博客
07-26 388
物体跟踪（Object Tracking）是指在视频序列中持续定位和追踪特定目标的过程。智能监控：持续跟踪可疑目标或行人自动驾驶：跟踪前方车辆、行人等障碍物增强现实（AR）：跟踪标记物以叠加虚拟内容人机交互：手势跟踪、眼球追踪等与目标检测不同，物体跟踪侧重于连续帧间的一致性，利用时间序列信息实现高效的目标定位。
记录第一次使用YOLOv8-seg做皮肤色素块分割
learner_jj的博客
07-29 188
记录第一使用yolov8-se做色素块分割
公路表面裂缝目标检测数据集：1,500张图像 | 目标检测
dgw25sf的博客
07-26 260
本数据集含1500张真实道路裂缝图像，采用YOLO格式单类别（crack）标注，适配目标检测任务。覆盖沥青/水泥路面、多光照与多角度场景，支持细长裂缝优化（如OBB旋转框、CLAHE增强等）。附完整训练方案与养护决策应用，助力智慧巡检落地。
4 种方法快速区分：分类 (种类预测) / 目标检测 / 分割 / 回归
最新发布
雪的季节
07-29 82
用 Netron 打开模型，查看输出张量 shape；查看网络最后一层算子：Softmax = 分类；无可视化工具就写 OpenCV 代码推理，打印输出维度；对比上表，直接区分是种类预测、检测还是分割。
YOLO（Ultralytics 框架）Tasks 任务 + Modes 运行模式 完整说明
雪的季节
07-28 201
Tasks= 你要做什么 AI 任务（检测 / 分割 / 姿态等）；Modes= 对这个任务的模型执行什么操作（训练 / 推理 / 导出 / 测速等）。
【论文学习】TIP 2024年 || R-RIS：迈向鲁棒的指代表达图像分割
m0_62969865的博客
07-28 289
鲁棒指代表达图像分割任务(R-RIS)，旨在解决传统RIS模型在错误文本描述下仍强制输出的问题。作者构建了包含正负文本对的R-RIS数据集，并提出RefSegformer模型，通过引入视觉-语言词元融合模块(VLTF)和空白词元(Blank Tokens)实现图文匹配判断与分割的统一处理。实验表明，RefSegformer在传统RIS和R-RIS任务上均优于现有方法，能准确分割匹配目标并拒绝不存在的描述。新设计的评价指标rIoU综合评估了分割精度和错误文本拒绝能力。
YOLO 全套功能（分：原生基础检测功能、内置辅助功能、拓展多任务功能、工程落地配套功能）
雪的季节
07-28 225
检测倾斜物体（任意角度零件、航拍车辆、倾斜标牌），输出旋转矩形框，解决普通矩形框重叠问题。识别人体 17 个关键点（头、肩、手、腿），输出骨骼骨架，可做动作识别、姿态判断。单独分支实现图片分类，判断整张图属于哪一类物体。，实现抠图、区域分割（零件轮廓、人像分割）。不止框出物体，还能输出。
YOLO 目标检测完整实操教程（以工业最通用 YOLOv8 / YOLOv11 为例，分 5 大阶段：环境搭建→数据集制作→模型训练→推理测试→C++ 部署）
雪的季节
07-28 132
环境安装 → 数据集采集 / 清洗 / 标注 / 划分 → 配置训练参数开始训练 → 评估模型精度 → 图片 / 视频 / 摄像头推理验证 → 模型导出 ONNX → C++/Qt 工程部署。删除模糊、黑屏、重复、无目标无效图片。使用测试集评估 mAP、精确率、召回率。工具：LabelImg（轻量免费）
芯片表面缺陷目标检测数据集：4类别、2,500张图像 | 目标检测
dgw25sf的博客
07-29 134
本数据集含2500张真实产线芯片图像，标注4类表面缺陷（工艺划痕、通用划痕、破损、引脚断裂），采用YOLO标准格式，支持小目标检测与工业部署，适用于AI质检、YOLO训练及智能制造研究。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值