【CANN训练营】玩转CANN目标检测与识别一站式方案——学习笔记一（初体验）

一、前言：

       样例提供了一个框架，让高阶的应用，简单的搞起来！！！这是本课程的出发点和高光点！！！

       这是CANN训练营2022年第2期的高阶班的课程。将目标检测（yolov3）和颜色分类（CNN模型），串接起来使用，实现车辆的检测和颜色分类。这是一个覆盖多场景的高性能AI推理应用样例。

      课程地址：https://www.hiascend.com/zh/developer/courses/detail/1532295229381009410

      代码仓：https://gitee.com/ascend/samples

     模型推理应用的主要流程是：模型转换、输入预处理、推理、输出预处理。模型推理应用的痛点在于（个人理解）：

    1）AscendCL语言提供的接口比较底层，使用起来有些复杂，而且代码量大。申请资源，释放资源各来一套，注意顺序哈！！

     2）模型的输入输出不清楚。

     3）为了提高NPU的利用率，必然要用到多线程，而多线程编程有一定的技术门槛。

    更正式的说法是：

体验过程中发现了三个问题：——案例在迭代完善中，下述问题存在于2022/7/19的版本中。

• 当device_num*RtspNumPerDevice >22时，貌似不是每个device最多22，而是所有所有device的总数不超过22，不知道是代码问题，还是硬件的限制；另外程序会报错，但最终显示成功。建议在读入参数时做检查，有问题报错，不进行后续操作。——已提ISSUE
• 如果同一个Device设置超过1个presentagent时，显示重合。——有人已提过Issue，不重复提交Issue
• 设置presentagent，放置“presentagent”的位置，不能超过device_num，否则会报错。比如device_num=3，那么presentagent放置的位置，就不要超过第3个（从0开始，即不超过[options_param_2]），否则报错。——有人已提过类似Issue（单device），原理类似，不重复提交Issue

报错如下：

二、体验内容：

      上图是这个样例的特性。前四项特性可以直接通过样例直接体验。

1、多输入格式：

      支持图片、MP4离线视频、RTSP视频流，在“params.conf”文件中，对“inputType”进行设置即可，并提前将素材下载到data目录。体验了前两种。

2、多结果展示：

     支持Web前端在线显示、图片、视频、打屏方式显示，在“params.conf”文件中，对“outputType”进行设置。

3、多模型串接：

      案例是将yolov3目标检测+cnn颜色分类两个模型串接起来使用。

4、多路多线程：

 三、实际操作

1、申请ECS、使用镜像创建样例的运行环境。

       体验环境：为了更好的体验多AI处理器，申请了4个310芯片的ECS

      CANN版本：5.1.RC2.alpha005

2、下载样例

参考样例的ReadMe的“下载samples仓源码”

https://gitee.com/ascend/samples/tree/master/cplusplus/level3_application/1_cv/detect_and_classify#开发环境与运行环境合设场景

3、下载模型并转换、下载图片和视频数据

https://gitee.com/ascend/samples/tree/master/cplusplus/level3_application/1_cv/detect_and_classify#模型及数据准备

4、编译

https://gitee.com/ascend/samples/tree/master/cplusplus/level3_application/1_cv/detect_and_classify#样例编译运行

5、设置参数

在“params.conf”里设置。

6、Presentagent设置

1）设置配置文件“scripts/present_start.conf"

2）启动Presentagent服务

3）在ECS上，将服务端口开放出来

4）网页访问

7、运行和结果查看

运行信息打印在屏幕上；图片和视频存放在out/output目录下；通过网页查看设置成“Presentagent”的结果。