2023年8月11日下午5點，APM部門于科創園二樓會議室舉辦了此次的技術分享會——DeepStream介紹。此次會議邀請實習生陶強民作為分享人，向大家介紹分享了DeepStream。此次會議主要分為內容分享環節和問題討論環節，在內容分享環節中，陶同學主要圍繞著SDK深度學習軟件棧、DeepStream 工作原理、DeepStream SDK目錄結構、DeepStream 功能特點四個部分進行分享。在后續的問題討論環節中，大家也就一些問題展開了激烈的討論。

01

英偉達深度學習軟件棧 ? ?

在這部分的分享中，陶同學提出，“開發是條艱難的路！！”在這條路上，困難重重。面對多種應用場景，我們需要選擇訓練框架，進行模型結構設計，同時還需要面對數據集不夠大、算法性能不夠優、跨平臺部署不夠方便等問題。為了更好的適應開發任務，提高工作效率，開發出更高質量的應用程序，一個良好的開發工具是必不可少的。接下來的分享，陶同學向大家介紹了SDK的基本情況和使用方法。

02

DeepStream 工作原理

第二部分的分享中，陶同學首先介紹了常規視頻流處理過程，即數據收集----預處理----模型推理----后處理---- 結果可視化。隨后，又為大家分享了DeepStream 的工作流程以及結構。

03

DeepStream SDK

目錄結構

在這一部分，陶同學分享了一個Jetson平臺的DeepStream6.0.1下的一個版本目錄，列舉了幾個核心的部分并舉例說明了示例文件,并介紹了SDK結構中的一些插件。最后在實例介紹部分介紹了上述插件的作用，并分享了參考資源。

04

DeepStream 功能特點

在這個部分，陶強民同學向大家介紹了DeepStream 功能特點：

（1）卓越的性能，在多個硬件上運行都有不俗的結果；??

（2）多編程選項，可以選擇不同語言，甚至可以直接使用可視化工具實現我們的部署；

（3）云原生支持，在嵌入式中構建Docker容器實現功能應用；

（4）端到端部署，支持豐富的模型，快速適配不同的應用場景；

（5）豐富實例，提供了豐富多樣的功能實例；

（6）圖像編輯器Graph Compose。

05

問題討論環節

Q：我如何在應用程序中獲取分析結果？

A：DeepStream允許您通過API獲取分析結果。您可以在代碼中編程處理分析結果，例如獲取檢測到的對象的位置、類別、置信度等信息。您還可以根據需要在視頻中繪制邊界框、標簽等，以便可視化分析結果。

Q：DeepStream如何處理視頻流中的物體跟蹤？

A：在DeepStream中，物體跟蹤通常涉及使用目標檢測模型來檢測視頻流中的物體，然后使用相關算法來跟蹤這些物體。跟蹤算法可以是基于卡爾曼濾波、SORT（Simple Online and Realtime Tracking）等。DeepStream提供了跟蹤器接口，您可以將適合您需求的跟蹤算法集成到應用程序中。

Q：我可以在DeepStream中使用哪些預訓練模型？

A：DeepStream支持多種深度學習框架的預訓練模型，如TensorFlow、PyTorch等。您可以選擇適合您任務的預訓練模型，也可以根據需要進行微調。

END

此次會議在大家的熱烈討論中圓滿結束。相信大家一定在本次會議中汲取到了很多關于DeepStream的知識，也希望大家在會后多多學習，多多討論，以增加對它的了解，為日后的工作打下堅實的基礎。

會議的順利舉辦也離不開暢行學堂這個平臺的依托，在此次會議之后，暢行學堂還將為大家舉辦更多的技術分享會，不斷為了大家技術能力的增長做出貢獻，以期實現公司、學堂、每位員工的共同進步、成長與突破。

編輯：黃飛