昇腾YoloV3 Sample适配用户自训练YoloV3模型指导

1、  昇腾sample下载地址：https://gitee.com/HuaweiAtlas/samples/tree/master/Samples   注意Common为所有sample的公共内容。

首先按照readme，使用sample中的模型，将原始sample运行通过：

2、  模型转换

客户使用omg工具（可参考《Atlas 300 模型转换指导01》）将自己的模型转换为om模型。注意：在aipp配置文件需要和原始模型的预处理相同，如归一化设置、模型推理色域（RGB、BGR等）、输入图片大小。可参考InferObjectDetection 

/ data / models / aipp_yolov3_vedio.cfg。内容如下：

如客户的模型使用了归一化，RGB数据作为输出，模型输入大小为1024X1024。所以aipp配置文件内容如下：

3、  修改代码适配其他YoloV3模型。

适配其他YoloV3模型，需要修改的文件为InferObjectDetection / ObjectDetectionEngine/ YoloV3PostProcess.h文件。

本例中原始适配的模型为416x416输入，类别80类，参数如图：

客户可根据自己模型的参数（如输入为1024x1024，类别为4类），anchor size 为{14, 16, 24, 27, 36, 44, 28, 67, 61,  69, 90, 117, 130, 184, 166, 329, 275, 577}。

1)         CLASS_NUM修改为新模型的类别数4。

2)         BOX_SCALE1修改为W/32 = 32

3)         BOX_SCALE2修改为BOX_SCALE1 X 2 = 64

4)         BOX_SCALE3修改为BOX_SCALE2 X 2 = 128

5)         g_biases[BIASES_NUM]修改为anchor size数组。

对应修改如下：

4、  修改graph.conf

修改模型文件路径：

5、  重新编译代码，运行。

6、  完成。