dustynv/nanoowl

nanoowl

镜像概述

nanoowl是基于https://github.com/NVIDIA-AI-IOT/nanoowl/%E9%A1%B9%E7%9B%AE%E7%9A%84Docker%E9%95%9C%E5%83%8F%EF%BC%8C%E4%B8%93%E4%B8%BAJetson%E8%AE%BE%E5%A4%87%E4%BC%98%E5%8C%96%EF%BC%8C%E6%8F%90%E4%BE%9B%E5%9F%BA%E4%BA%8E%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E6%8F%90%E7%A4%BA%E7%9A%84%E8%A7%86%E8%A7%89%E8%AF%86%E5%88%AB%E8%83%BD%E5%8A%9B%E3%80%82%E8%AF%A5%E9%95%9C%E5%83%8F%E6%94%AF%E6%8C%81%E9%80%9A%E8%BF%87%E6%96%87%E6%9C%AC%E6%8F%8F%E8%BF%B0%E8%BF%9B%E8%A1%8C%E5%9B%BE%E5%83%8F%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B%E4%B8%8E%E5%88%86%E6%9E%90%EF%BC%8C%E5%8C%85%E5%90%AB%E5%9F%BA%E7%A1%80%E9%A2%84%E6%B5%8B%E7%A4%BA%E4%BE%8B%E5%92%8C%E5%AE%9E%E6%97%B6%E6%91%84%E5%83%8F%E5%A4%B4%E6%BC%94%E7%A4%BA%E5%8A%9F%E8%83%BD%EF%BC%8C%E9%80%82%E7%94%A8%E4%BA%8E%E4%BA%A4%E4%BA%92%E5%BC%8F%E8%A7%86%E8%A7%89%E4%BB%BB%E5%8A%A1%E5%BC%80%E5%8F%91%E4%B8%8E%E9%83%A8%E7%BD%B2%E3%80%82

核心功能与特性

• 自然语言提示驱动：支持通过文本提示（如[a face [a nose, an eye, a mouth]]）定义识别目标
• 基础预测示例：提供图像预测脚本，可处理静态图像并输出识别结果
• 实时摄像头演示：通过tree_demo实现USB摄像头实时视频流分析，支持Web界面交互
• Web可视化界面：运行演示时可通过浏览器访问http://<ip地址>:7860查看实时结果
• Jetson优化：适配Jetson系列设备，利用TensorRT等加速库提升性能

使用场景与适用范围

适用于Jetson系列设备（如Jetson Nano、Xavier等）上的视觉识别任务，包括：

• 交互式目标检测与分类
• 实时视频流分析与监控
• 基于自然语言的图像内容查询
• 视觉AI应用原型开发与测试

详细使用方法

基础预测示例

运行静态图像预测并将结果复制到主机：

bash
./run.sh $(./autotag nanoowl) /bin/bash -c " \
  cd /opt/nanoowl/examples/ && \
  python3 owl_predict.py \
    --prompt="[an owl, a glove]" \
    --threshold=0.1 \
    --image_encoder_engine=../data/owl_image_encoder_patch32.engine "

摄像头实时预测示例（tree_demo）

前提条件

确保Jetson设备已连接USB摄像头

步骤

1. 启动演示程序

bash
./run.sh $(./autotag nanoowl) /bin/bash -c " \
  cd /opt/nanoowl/examples/tree_demo/ && \
  python3 tree_demo.py ../../data/owl_image_encoder_patch32.engine "

2. 访问Web界面 在浏览器中打开 http://<设备IP地址>:7860（确保客户端与Jetson设备网络连通）

3. 输入提示词进行测试 示例提示词：

• [a face [a nose, an eye, a mouth]]（检测人脸及五官）
• [a face (interested, yawning / bored)]（检测人脸表情）
• (indoors, outdoors)（区分室内/室外场景）

容器信息

容器详情

镜像标签信息

镜像兼容性说明：

• L4T R32.7容器可在其他L4T R32.7版本（JetPack 4.6+）上运行
  
• L4T R35.x容器可在其他L4T R35.x版本（JetPack 5.1+）上运行

运行容器

基本命令

可使用jetson-containers run、autotag或手动docker run命令启动容器：

bash
# 自动拉取或构建兼容的容器镜像
jetson-containers run $(autotag nanoowl)

# 显式指定镜像标签
jetson-containers run dustynv/nanoowl:r36.2.0

# 使用docker run命令（需指定镜像及挂载等参数）
sudo docker run --runtime nvidia -it --rm --network=host dustynv/nanoowl:r36.2.0

说明：

• https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md%E4%BC%9A%E8%87%AA%E5%8A%A8%E6%B7%BB%E5%8A%A0%E9%BB%98%E8%AE%A4%E5%8F%82%E6%95%B0%EF%BC%88%E5%A6%82%60--runtime nvidia、挂载/data`缓存、检测设备）
  
• https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md#autotag%E4%BC%9A%E6%9F%A5%E6%89%BE%E4%B8%8E%E5%BD%93%E5%89%8DJetPack/L4T%E7%89%88%E6%9C%AC%E5%85%BC%E5%AE%B9%E7%9A%84%E5%AE%B9%E5%99%A8%E9%95%9C%E5%83%8F%EF%BC%88%E6%9C%AC%E5%9C%B0%E3%80%81%E4%BB%93%E5%BA%93%E6%88%96%E6%9E%84%E5%BB%BA%EF%BC%89

挂载目录

使用-v或--volume参数挂载主机目录到容器：

bash
jetson-containers run -v /主机路径:/容器路径 $(autotag nanoowl)

运行命令

启动容器时直接运行命令（非交互式shell）：

bash
jetson-containers run $(autotag nanoowl) my_app --abc xyz

构建容器

若使用autotag时需要构建容器，或需手动构建，可按以下步骤操作：

1. 先完成https://github.com/dusty-nv/jetson-containers/tree/master/docs/setup.md
2. 运行构建命令：

bash
jetson-containers build nanoowl

构建过程中会包含依赖项并进行测试。使用--help查看构建选项：

bash
jetson-containers build nanoowl --help