推理速度大幅提升：Ubuntu + TensorRT 加速 YOLOv5

往期文章
RK3588+docker+YOLOv5部署：https://blog.csdn.net/FJN110/article/details/149673049
RK3588测试NPU和RKNN函数包装https://blog.csdn.net/FJN110/article/details/149669753
RK3588刷机：https://blog.csdn.net/FJN110/article/details/149669404
以及深度学习部署工程师1~31主要学习tensorRT、cmake、docker、C++基础、语义分割、目标检测、关键点识别、RTSP推流、3D模型部署、车牌检测于识别项目、人脸属性分析（年龄、性别、名称、是否佩戴口罩）等知识
好的进入本节课程：
18节已经完成了deepstream原理的介绍和yolov5检测后推流的过程，本节课将进行人车目标的识别与意外闯入项目实战，以及目标iD号跟踪。

1. 目标ID号跟踪

1.1 docker运行方式（如果没有空间的话就用下面本地的方式）

• 启动镜像

  # 运行deepstream容器