# 目标检测
Source: [https://docs.qualcomm.com/doc/80-70022-50SC/topic/gst-ai-object-detection.html](https://docs.qualcomm.com/doc/80-70022-50SC/topic/gst-ai-object-detection.html)
**gst-ai-object-detection** 应用程序可以检测图像和视频中的目标。这些用例展示了使用 Qualcomm Neural Processing SDK runtime 执行 [YOLOv5](https://github.com/ultralytics/yolov5)、[YOLOv8](https://github.com/ultralytics/ultralytics) 和 [YOLO-NAS](https://github.com/Megvii-BaseDetection/YOLOX/blob/main/README.md)，使用 Qualcomm AI Engine Direct 执行 YOLOv8，以及使用 LiteRT 执行 YOLOv5 和 YOLOv8。
下图展示了一个 pipeline：接收来自实时摄像头流、文件、USB 源或 RTSP 流的输入，对其进行预处理，然后在 AI 硬件上运行推理。结果可以显示在屏幕上，保存为编码的 MP4 文件，或通过 RTSP 服务器进行流传输。有关 pipeline 流中使用的插件的信息，请参见 [Pipeline 流](https://docs.qualcomm.com/doc/80-70022-50SC/topic/gst-ai-object-detection.html#gst-ai-object-detection__section_p2w_33y_kbc)。
Figure : gst-ai-object-detection pipeline
## 示例模型和标签文件
| Runtime | 模型文件 | 标签文件 |
| --- | --- | --- |
| Qualcomm Neural Processing SDK | *yolonas.dlc* |
- yolonas.json
- yolov8.json
- yolox.json
|
| LiteRT | *yolov8\_det\_quantized.tflite*
*yolox\_quantized.tflite* |
- yolonas.json
- yolov8.json
- yolox.json
|
| Qualcomm AI Engine Direct | *yolov8\_det\_quantized.bin* |
- yolonas.json
- yolov8.json
- yolox.json
|
| | | |
| | | |
## 在目标设备上运行应用程序
示例应用程序使用 /etc/configs/config\_detection.json文件读取输入参数。
要创建自己的 config JSON 文件，请使用 [config_detection.json](https://git.codelinaro.org/clo/le/platform/vendor/qcom-opensource/gst-plugins-qti-oss/-/blob/imsdk.lnx.2.0.0.r2-rel/gst-sample-apps/gst-ai-object-detection/config_detection.json?ref_type=heads) 作为参考。
1. 确保您已完成[前提条件](https://docs.qualcomm.com/doc/80-70022-50SC/topic/download-model-and-label-files.html)。
2. 根据模型、输入流和其他属性更新 config JSON 文件。关于更多详细信息，请参阅 [Config JSON 字段说明](https://docs.qualcomm.com/doc/80-70022-50SC/topic/gst-ai-object-detection.html#gst-ai-object-detection__section_qjx_hqq_32c)。
3. 使用以下格式的 /etc/configs/config\_detection.json文件：
{
"file-path": "",
"ml-framework": "",
"yolo-model-type": "",
"model": "",
"labels": "