在小藤上实现RefineDet目标检测
【摘要】 在小藤上实现RefineDet目标检测
浏览器下载：https://mindx.sdk.obs.cn-north-4.myhuaweicloud.com/mindxsdk-referenceapps%20/contrib/RefineDet/ATC%20RefineDet%20from%20Pytorch.zip
获得 ATC RefineDet from Pytorch.zip
解压：
发现了很多文件，有pth模型，onnx模型，有om模型，还有很多脚本。
只取RefineDet320_VOC_final_no_nms.onnx文件传到A2~/ascend_community_projects/RefineDet/models目录下:
cd ~/ascend_community_projects/RefineDet
cd models
设置环境变量：
source /usr/local/Ascend/ascend-toolkit/set_env.sh
将onnx模型转为om模型：
atc --framework=5 --model=RefineDet320_VOC_final_no_nms.onnx --output=RefineDet --input_format=NCHW --input_shape="image:1,3,320,320" --log=debug --soc_version=Ascend310B1 --insert_op_conf=../config/RefineDet.aippconfig --precision_mode=force_fp32
可见om模型文件已经生成。
下面开始编译推理代码：
修改CMakeList.txt，修改MX_SDK_HOME为 /home/HwHiAiUser/mxVision-5.0.RC2
设置环境变量：
source /usr/local/Ascend/ascend-toolkit/set_env.sh
source /home/HwHiAiUser/mxVision-5.0.RC2/set_env.sh
执行编译：
bash build.sh
编译的结果在 ~/ascend_community_projects/RefineDet 目录下：
准备一张含有“飞机、自行车、鸟、船、瓶子、公交车、汽车、猫、椅子、牛、餐桌、狗、马、摩托车、人、大象、羊、沙发、火车、电视”的图片：test.jpg
传到A2上:
执行推理：
./refinedet ./test.jpg
结果文件result.jpg也生成了，下载到本地查看：
貌似识别的结果有点过多。
1个人，1辆摩托，1辆跑车，1架飞机。
摩托车多识别了一个，可能是三轮摩托，左边半边被识别成了另一辆摩托。
飞机被识别了2个，有个比较奇怪。
跑车被识别成了飞机和摩托车也有点奇怪。可能是这辆车不大正规。
我们换张图片试试。
test001.jpg
result:
test002.jpg
result:
貌似都有密集识别出多个的情况。这个应该是模型的问题了。
（全文完，谢谢阅读）
【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息， 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）