YOLO模型训练=》OPENVINO部署

简单整理了冲模型训练到openvino部署的相关内容。

YOLO模型的训练

1.下载darknet，进行编译。安装cuda、opencv、cudnn。

git地址：https://gitcode.net/mirrors/alexeyab/darknet

2.lable标注工具下载：

git地址：https://github.com/tzutalin/labelImg

3.训练数据准备

git地址：https://gitee.com/qiaokuankuan/object_detection.git

4.预训练模型参数下载，yolov3

git地址：https://pjreddie.com/media/files/darknet53.conv.74

5.训练模型

• 标注训练数据的lable

• 确认训练数据的类别：classes.txt

• 获取训练数据的文件列表：trainlist.txt

• 修改配置文件：voc.data

• 修改配置模型cfg文件：yolov3-voc.cfg

• 模型训练：

  ?

  01	./darknet detector train /home/bhc/darknet-master/qkk/16/train/voc.data /home/bhc/darknet-master/qkk/16/train/yolov3-voc.cfg darknet53.conv.74

6.模型转换，yolo->pb

git地址：https://gitcode.net/mirrors/mystic123/tensorflow-yolo-v3

?

01	python3 ./convert_weights_pb.py --class_names /home/bhc/darknet-master/qkk/16/train/classes.txt --data_format NHWC --weights_file /home/bhc/darknet-master/backup1/16/16.weights

7.模型转换，PB->IR

?

01 02 03 04 05

python3 /opt/intel/openvino_2021/deployment_tools/model_optimizer/mo_tf.py \ --input_model frozen_darknet_yolov3_model.pb \ --transformations_config yolo_v3.json \ --batch 1 \ --reverse_input_channels

8.openvino模型部署

git地址：https://gitcode.net/mirrors/PINTO0309/OpenVINO-YoloV3

9.gstreamer部署

?

01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

#!/bin/bash   set -eu   videofile="video/D16_operator/D16_20211025135235.mp4" process_width=1920 process_height=1080 shrink_rate=1  # 1920/1920 frame_rate=29 yolo_threshold=0.9   paramjson=$(cat << EOS {     \"shrink_rate\": ${shrink_rate},     \"frame_rate\": ${frame_rate} } EOS )   gst-launch-1.0 filesrc location=${videofile} \     ! decodebin \     ! videoconvert \     ! videoscale \     ! capsfilter caps="video/x-raw,width=${process_width},height=${process_height},frame_rate=${frame_rate/1},format=BGRx" \     ! queue \     ! gvadetect model=/home/bhc/darknet-master/backup1/16/16.xml model-proc=model/D16_operator/procd16_yolo-v3.json threshold=${yolo_threshold} inference-interval=10 \     ! queue \     ! gvatrack tracking-type=short-term \     ! queue \     ! gvawatermark \     ! videoconvert \     ! xvimagesink sync=false