EdgeGuard
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
EdgeGuard：边缘设备上的轻量级人类检测系统
EdgeGuard 是一个面向嵌入式边缘计算平台（如 NVIDIA Jetson Nano）开发的智能监控解决方案，旨在在资源受限的设备上实现高效且低功耗的人体检测与告警。项目采用轻量级深度学习模型（如 YOLOv5-Nano / MobileNet-SSD），配合 OpenCV 和 PyTorch 框架进行实时视频流处理。系统具备目标检测、区域触发、行为识别等基本功能，并支持容器化部署（Docker），以便在仿真环境中快速测试和迭代。
我负责算法选型、模型训练与裁剪、推理优化（TensorRT）、Docker 仿真部署、以及功耗评估与测试等核心工作。项目特别强调边缘端实时性与部署稳定性，适用于工厂安全监控、无人值守区域管理等场景。
EdgeGuard 是一个面向嵌入式边缘计算平台（如 NVIDIA Jetson Nano）开发的智能监控解决方案，旨在在资源受限的设备上实现高效且低功耗的人体检测与告警。项目采用轻量级深度学习模型（如 YOLOv5-Nano / MobileNet-SSD），配合 OpenCV 和 PyTorch 框架进行实时视频流处理。系统具备目标检测、区域触发、行为识别等基本功能，并支持容器化部署（Docker），以便在仿真环境中快速测试和迭代。
我负责算法选型、模型训练与裁剪、推理优化（TensorRT）、Docker 仿真部署、以及功耗评估与测试等核心工作。项目特别强调边缘端实时性与部署稳定性，适用于工厂安全监控、无人值守区域管理等场景。
EdgeGuard
联系该工程师
微信扫码，建群沟通
案例介绍
EdgeGuard：边缘设备上的轻量级人类检测系统
EdgeGuard 是一个面向嵌入式边缘计算平台（如 NVIDIA Jetson Nano）开发的智能监控解决方案，旨在在资源受限的设备上实现高效且低功耗的人体检测与告警。项目采用轻量级深度学习模型（如 YOLOv5-Nano / MobileNet-SSD），配合 OpenCV 和 PyTorch 框架进行实时视频流处理。系统具备目标检测、区域触发、行为识别等基本功能，并支持容器化部署（Docker），以便在仿真环境中快速测试和迭代。
我负责算法选型、模型训练与裁剪、推理优化（TensorRT）、Docker 仿真部署、以及功耗评估与测试等核心工作。项目特别强调边缘端实时性与部署稳定性，适用于工厂安全监控、无人值守区域管理等场景。
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
