基于Atlas 200 DK的原版YOLOv3（基于Darknet-53）实现（Python版本）
【摘要】本文将为大家带来使用Atlas 200 DK的原版YOLOv3（基于Darknet-53）实现的展示。
前言
YOLOv3可以算作是经典网络了，较好实现了速度和精度的Trade off，成为和目标检测的首选网络，堪称是史诗巨作级别（我是这么认为的）。YOLOv3是在YOLOv1和YOLOv2的基础上，改进而来，如果希望深入了解，建议看看前两个版本，这里附上网络上比较好的分析博文：
YOLOv1 https://blog.csdn.net/litt1e/article/details/88814417
YOLOv2 https://blog.csdn.net/litt1e/article/details/88852745
对于今天的主角YOLOv3，强烈建议看看作者的原版论文，像是一篇报告，篇幅很短，写的十分风趣幽默，是论文届一股清流啊。附上论文链接：
论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf
论文：YOLOv3: An Incremental Improvement
环境要求：
Atlas 200 DK
配置好的虚拟机，可连接Atlas 200 DK
这里提供完整的工程，包括转化好的模型，只要你有Atlas 200 DK即可运行。
介绍
好了，下面该今天的主角登场了——YOLOv3，先看看结构图，来个直观的了解：
是的，没错，这张图是我在博客上看到的，附博客链接：https://blog.csdn.net/leviopku/article/details/82660381，这篇博客解析了YOLOv3，写的不错，大家可以看看。在博客中，作者总结了YOLOv3的特点，如下：
yolo_v3作为yolo系列目前最新的算法，对之前的算法既有保留又有改进。先分析一下yolo_v3上保留的东西：
1. 分而治之”，从yolo_v1开始，yolo算法就是通过划分单元格来做检测，只是划分的数量不一样。
2. 采用"leaky ReLU"作为激活函数。
3. 端到端进行训练。一个loss function搞定训练，只需关注输入端和输出端。
4. 从yolo_v2开始，yolo就用batch normalization作为正则化、加速收敛和避免过拟合的方法，把BN层和leaky relu层接到每一层卷积层之后。
5. 多尺度训练。在速度和准确率之间tradeoff。想速度快点，可以牺牲准确率；想准确率高点儿，可以牺牲一点速度。
YOLO系列的提升很大一部分决定于backbone网络的提升，从v2的darknet-19到v3的darknet-53。yolo_v3还提供替换backbone——tiny darknet。要想性能牛叉，backbone可以用Darknet-53，要想轻量高速，可以用tiny-darknet。
总之，YOLO就是天生“灵活”，所以特别适合作为工程算法。这里要说明的是，leaky ReLU在Ascend 310上适配不是很好，可能只有TensorFlow1.12版本可以用，大家注意，如果使用TensorFlow版本模型去转化为.om模型，建议使用TensorFlow 1.12版本，据说适配比较好哦。
整体流程
整体例程和PC端类似，分为数据输入，预处理，送入模型推理，推理结果解析四部分。这里是基于我以前发的另一个工程修改的，你可以在本工程看到原来工程的痕迹哦，附上原工程链接：https://bbs.huaweicloud.com/blogs/170452，在原工程上修改，这样可以提高效率，比如创建Graph等操作都直接就行了，建议大家也可以参考，在实现自己工程时，最好在官方例程或现有能运行代码上修改，这样比较快，也更容易成功。
1.模型获取和转换
先来看看模型转化，模型使用的是基于COCO数据集训练的TensorFlow版本的YOLOv3模型。
模型来自https://github.com/wizyoung/YOLOv3_TensorFlow/releases/ 里面的yolo_tf_weights.zip，可自行下载，不过不下载也没事，这里提供了完成的代码，只要你有Atlas 200 DK即可运行。下载后按照帖子转换完成，得到.pb模型。帖子链接：https://bbs.huaweicloud.com/forum/thread-45383-1-1.html
下面是模型转化，通过Netron可以看到模型输入节点为Placeholder 输入为1, 416，416，3。这表示模型输入为一张图片，图片为416*416大小，3通道，也就是我们常用的RGB格式。
这里我们输入的是视频，使用OpenCV读取的视频，得到视频帧，对每一视频帧进行逐帧处理，注意OpenCV得到的帧是BGR格式，需要转为RGB格式，而且视频帧大小不一定符合模型输入要求的416*416, 所以还要做resize。我在模型转化时，开启AIPP，完成BGR到RGB的色域转换，而resize使用OpenCV来完成。之后送入模型，得到推理结果，对推理结果解析，最终将结果写入图片保存。
主要代码
主代码 main.py
# -*- coding: utf-8 -*- # !/usr/bin/python3 # Author: Tianyi_Li # Last Date: 2020/5/29 # YOLOv3_COCO，基于COCO数据集训练的TensorFlow版本，检测80种类别的物体。 # 主函数部分 import sys import re import cv2 import yolo3_resnet18_inference import time import datetime # Get Video lenofUrl = len(sys.argv) # The number of parameters is incorrect. if lenofUrl <= 1: print("[ERROR] Please input mp4/Rtsp URL") sys.exit() elif lenofUrl >= 3: print("[ERROR] param input Error") sys.exit() URL = sys.argv[1] # match Input parameter format URL1 = re.match('rtsp://', URL) URL2 = re.search('.mp4', URL) # Determine if it is a mp4 video based on matching rules if URL1 is None: if URL2 is None: print("[ERROR] should input correct URL") sys.exit() else: mp4_url = True else: mp4_url = False # Init Graph and Engine yolo3_resnet18_app = yolo3_resnet18_inference.Yolo3_Resnet18Inference() if yolo3_resnet18_app.graph is None: sys.exit(1) # Get Start time run_starttime = datetime.datetime.now() # Get Frame cap = cv2.VideoCapture(URL) ret, frame = cap.read() print("视频是否打开成功:", ret) # Get Video Information frames_num = cap.get(7) frame_width = cap.get(3) frame_height = cap.get(4) # According to the flag,Perform different processing methods if mp4_url: try: while ret: # Processing the detection results of a frame of pictures strattime = time.time() ret = yolo3_resnet18_inference.dowork(frame, yolo3_resnet18_app) endtime = time.time() print('Process this image cost time: ' + str((endtime - strattime) * 1000) + 'ms') if ret is None: sys.exit(1) # Loop through local video files ret, frame = cap.read() # Run done, print input video information run_endtime = datetime.datetime.now() run_time = (run_endtime - run_starttime).seconds print("输入视频的宽度:", frame_width) print("输入视频的高度:", frame_height) print("输入视频的总帧数:", frames_num) print("程序运行总时间:" + str(run_time) + "s") print('-------------------------end') except Exception as e: print("ERROR", e) finally: # Turn off the camera cap.release() else: print("[ERROR] Run Failed, please check input video.") return True
推理代码
# -*- coding: utf-8 -*- # !/usr/bin/python3 # YOLOv3_COCO，检测80种类别的物体 from ConstManager import * import ModelManager import hiai from hiai.nn_tensor_lib import DataType import numpy as np import cv2 import utils import datetime ''' Yolo3_COCO模型, 输入H = 416, W = 416,模型的图像输入为RGB格式，这里使用OpenCV读取的图片，得到BGR格式的图像，在AIPP中完成BGR到RGB的色域转换和 image/255.0的归一化操作 bj_threshold 置信度阈值，取值范围为0~1。推理的时候，如果预测框的置信度小于该值，那么就会过滤掉, 默认为0.3 nms_threshold NMS阈值，取值范围为0~1。默认为0.4 ''' class Yolo3_Resnet18Inference(object): def __init__(self): # 由用户指定推理引擎的所在Graph的id号 self.graph_id = 1000 self.model_engine_id = 100 # 基于输入图片框坐标 self.boxList = [] # 置信度 self.confList = [] # 概率 self.scoresList = [] # 输入图片中行人部分 self.personList = [] # 实例化模型管理类 self.model = ModelManager.ModelManager() self.width = 416 self.height = 416 # 描述推理模型以及初始化Graph self.graph = None self._getgraph() def __del__(self): self.graph.destroy() def _getgraph(self): # 描述推理模型 inferenceModel = hiai.AIModelDescription('Yolo3_Resnet18', yolo3_resnet18_model_path) # 初始化Graph self.graph = self.model.CreateGraph(inferenceModel, self.graph_id, self.model_engine_id) if self.graph is None: print("Init Graph failed") ''' 1.定义输入Tensor的格式 2.调用推理接口 3.对一帧推理的正确结果保存到self.resultList中 4.根据返回值True和False判断是否推理成功 ''' def Inference(self, input_image): if isinstance(input_image, np.ndarray) is None: return False # Image PreProcess resized_image = cv2.resize(input_image, (self.width, self.height)) inputImageTensor = hiai.NNTensor(resized_image) nntensorList = hiai.NNTensorList(inputImageTensor) # 调用推理接口 resultList = self.model.Inference(self.graph, nntensorList) if resultList is not None: bboxes = utils.get_result(resultList, self.width, self.height) # 获取检测结果 # print("bboxes:", bboxes) # Yolov_resnet18 Inference output_image = utils.draw_boxes(resized_image, bboxes) # 在图像上画框 output_image = cv2.resize(output_image, (input_image.shape[1], input_image.shape[0])) img_name = datetime.datetime.now().strftime("%Y-%m-%d%H-%M-%S-%f") cv2.imwrite('output_image/' + str(img_name) + '.jpg', output_image) else: print('no person in this frame.') return False return True def dowork(src_img, yolo3_resnet18_app): res = yolo3_resnet18_app.Inference(src_img) if res is None: print("[ERROR] Please Check yolo3_resnet18_app.Inference!") return False else: # print("[ERROR] Run Failed, dowork function failed.") pass return True
代码中加了一些注释，应该比较好理解，有机会再加更详细的注释吧。
执行过程
首先要下载完整代码，并提供了三段测试视频，供选择。代码下载链接：
链接：https://pan.baidu.com/s/1E86SFEYjmhaGoQVc6Y7gfg
提取码：ok0l
下载后，解压缩，可以得到：
之后将包含上述文件的文件夹拷贝到Atlas 200 DK上，在存放目录下执行命令
1 scp -r YOLOv3_COCO HwHiAiUser@192.168.1.2:/home/HwHiAiUser
注意，我是在YOLOv3_COCO文件下目录下使用的命令，所以直接用文件夹名字就行，否则需要指定路径，使用的是USB连接开发板，如果用网线连接，IP可能不同，更多拷贝文件的方法，请参考博文每天进步一点点——使用scp命令在Atlas 200 DK和虚拟机之间传输文件（文件夹）
链接为 https://bbs.huaweicloud.com/blogs/168928
这里模型有点大，传输可能需要点时间，传输完成结果为
之后登陆开发板，执行命令即可。因为前面，我拷贝到了开发板的/home/HwHiAiUser目录下，所以直接登陆就能看到了，直接执行命令进入文件夹即可
1 cd YOLOv3_COCO
下面执行程序
1 python3 main.py input_video/person.mp4
在input_video文件夹下放了三个用于测试的视频，分辨率分别是1920*1080 、1280*720和640*480，这里使用的是person.mp4，分辨率1920*1080
等待程序执行，最后得到
表示程序运行完成，处理一帧大概需要300ms，比较慢，分析可知，主要是读取视频和后处理较慢，推理速度挺快的，后期可能要对后处理做优化，比如使用算子完成后处理，或者硬件解码视频，使用OpenCV读取视频应该不较慢，而且图像质量感觉一般。
最后，将输出的结果图片拷贝到虚拟机就可以查看了，我的命令为
1 scp -r HwHiAiUser@192.168.1.2:/home/HwHiAiUser/YOLOv3_COCO/output_image /home/ascend/tmp
我拷贝到了虚拟机的tmp文件夹下，具体拷贝文件到虚拟机细节可参考博文https://bbs.huaweicloud.com/blogs/168928
总的来说，Atlas 200 DK挺强的，运行118M的YOLOv3模型毕竟很耗资源。在1920*1080 、1280*720和640*480分辨率的视频下，速度还可以，如图
最终效果展示
这里是做了人（红色），自行车（绿色）和car（蓝色）类别的绘制矩形框。可自行修改代码，绘制COCO数据集80类矩形框，不过速度会慢哈。
