摘要：本文將爲大家帶來使用Atlas 200 DK的原版YOLOv3（基於Darknet-53）實現的展示。
前言
YOLOv3可以算作是經典網絡了，較好實現了速度和精度的Trade off，成爲和目標檢測的首選網絡，堪稱是史詩鉅作級別（我是這麼認爲的）。YOLOv3是在YOLOv1和YOLOv2的基礎上，改進而來，如果希望深入瞭解，建議看看前兩個版本，這裏附上網絡上比較好的分析博文：
YOLOv1 https://blog.csdn.net/litt1e/article/details/88814417
YOLOv2 https://blog.csdn.net/litt1e/article/details/88852745
對於今天的主角YOLOv3，強烈建議看看作者的原版論文，像是一篇報告，篇幅很短，寫的十分風趣幽默，是論文屆一股清流啊。附上論文鏈接：
論文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf
論文：YOLOv3: An Incremental Improvement
環境要求：
Atlas 200 DK
配置好的虛擬機，可連接Atlas 200 DK
這裏提供完整的工程，包括轉化好的模型，只要你有Atlas 200 DK即可運行。
介紹
好了，下面該今天的主角登場了——YOLOv3，先看看結構圖，來個直觀的瞭解：
是的，沒錯，這張圖是我在博客上看到的，附博客鏈接：https://blog.csdn.net/leviopku/article/details/82660381，這篇博客解析了YOLOv3，寫的不錯，大家可以看看。在博客中，作者總結了YOLOv3的特點，如下：
yolo_v3作爲yolo系列目前最新的算法，對之前的算法既有保留又有改進。先分析一下yolo_v3上保留的東西：
1. 分而治之”，從yolo_v1開始，yolo算法就是通過劃分單元格來做檢測，只是劃分的數量不一樣。
2. 採用"leaky ReLU"作爲激活函數。
3. 端到端進行訓練。一個loss function搞定訓練，只需關注輸入端和輸出端。
4. 從yolo_v2開始，yolo就用batch normalization作爲正則化、加速收斂和避免過擬合的方法，把BN層和leaky relu層接到每一層卷積層之後。
5. 多尺度訓練。在速度和準確率之間tradeoff。想速度快點，可以犧牲準確率；想準確率高點兒，可以犧牲一點速度。
YOLO系列的提升很大一部分決定於backbone網絡的提升，從v2的darknet-19到v3的darknet-53。yolo_v3還提供替換backbone——tiny darknet。要想性能牛叉，backbone可以用Darknet-53，要想輕量高速，可以用tiny-darknet。
總之，YOLO就是天生“靈活”，所以特別適合作爲工程算法。這裏要說明的是，leaky ReLU在Ascend 310上適配不是很好，可能只有TensorFlow1.12版本可以用，大家注意，如果使用TensorFlow版本模型去轉化爲.om模型，建議使用TensorFlow 1.12版本，據說適配比較好哦。
整體流程
整體例程和PC端類似，分爲數據輸入，預處理，送入模型推理，推理結果解析四部分。這裏是基於我以前發的另一個工程修改的，你可以在本工程看到原來工程的痕跡哦，附上原工程鏈接：https://bbs.huaweicloud.com/blogs/170452，在原工程上修改，這樣可以提高效率，比如創建Graph等操作都直接就行了，建議大家也可以參考，在實現自己工程時，最好在官方例程或現有能運行代碼上修改，這樣比較快，也更容易成功。
- 模型獲取和轉換。
先來看看模型轉化，模型使用的是基於COCO數據集訓練的TensorFlow版本的YOLOv3模型。
模型來自https://github.com/wizyoung/YOLOv3_TensorFlow/releases/ 裏面的yolo_tf_weights.zip，可自行下載，不過不下載也沒事，這裏提供了完成的代碼，只要你有Atlas 200 DK即可運行。下載後按照帖子轉換完成，得到.pb模型。帖子鏈接：https://bbs.huaweicloud.com/forum/thread-45383-1-1.html
下面是模型轉化，通過Netron可以看到模型輸入節點爲Placeholder 輸入爲1, 416，416，3。這表示模型輸入爲一張圖片，圖片爲416*416大小，3通道，也就是我們常用的RGB格式。
這裏我們輸入的是視頻，使用OpenCV讀取的視頻，得到視頻幀，對每一視頻幀進行逐幀處理，注意OpenCV得到的幀是BGR格式，需要轉爲RGB格式，而且視頻幀大小不一定符合模型輸入要求的416*416, 所以還要做resize。我在模型轉化時，開啓AIPP，完成BGR到RGB的色域轉換，而resize使用OpenCV來完成。之後送入模型，得到推理結果，對推理結果解析，最終將結果寫圖片保存。
主要代碼
主代碼 main.py
# -*- coding: utf-8 -*-
# !/usr/bin/python3
# Author: Tianyi_Li
# Last Date: 2020/5/29
# YOLOv3_COCO，基於COCO數據集訓練的TensorFlow版本，檢測80種類別的物體。
# 主函數部分
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("視頻是否打開成功:", 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("輸入視頻的寬度:", frame_width)
print("輸入視頻的高度:", frame_height)
print("輸入視頻的總幀數:", frames_num)
print("程序運行總時間:" + 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.")
推理代碼
# -*- coding: utf-8 -*-
# !/usr/bin/python3
# YOLOv3_COCO，檢測80種類別的物體
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, 輸入H = 416, W = 416,模型的圖像輸入爲RGB格式，這裏使用OpenCV讀取的圖片，得到BGR格式的圖像，在AIPP中完成BGR到RGB的色域轉換和
image/255.0的歸一化操作
bj_threshold 置信度閾值，取值範圍爲0~1。推理的時候，如果預測框的置信度小於該值，那麼就會過濾掉, 默認爲0.3
nms_threshold NMS閾值，取值範圍爲0~1。默認爲0.4
'''
class Yolo3_Resnet18Inference(object):
def __init__(self):
# 由用戶指定推理引擎的所在Graph的id號
self.graph_id = 1000
self.model_engine_id = 100
# 基於輸入圖片框座標
self.boxList = []
# 置信度
self.confList = []
# 概率
self.scoresList = []
# 輸入圖片中行人部分
self.personList = []
# 實例化模型管理類
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.定義輸入Tensor的格式
2.調用推理接口
3.對一幀推理的正確結果保存到self.resultList中
4.根據返回值True和False判斷是否推理成功
'''
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)
# 調用推理接口
resultList = self.model.Inference(self.graph, nntensorList)
if resultList is not None:
bboxes = utils.get_result(resultList, self.width, self.height) # 獲取檢測結果
# print("bboxes:", bboxes)
# Yolov_resnet18 Inference
output_image = utils.draw_boxes(resized_image, bboxes) # 在圖像上畫框
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
代碼中加了一些註釋，應該比較好理解，有機會再加更詳細的註釋吧。
執行過程
首先要下載完整代碼，並提供了三段測試視頻，供選擇。代碼下載鏈接：
鏈接：https://pan.baidu.com/s/1E86SFEYjmhaGoQVc6Y7gfg
提取碼：ok0l
下載後，解壓縮，可以得到：
之後將包含上述文件的文件夾拷貝到Atlas 200 DK上，在存放目錄下執行命令
scp -r YOLOv3_COCO [email protected]:/home/HwHiAiUser
注意，我是在YOLOv3_COCO文件下目錄下使用的命令，所以直接用文件夾名字就行，否則需要指定路徑，使用的是USB連接開發板，如果用網線連接，IP可能不同，更多拷貝文件的方法，請參考博文每天進步一點點——使用scp命令在Atlas 200 DK和虛擬機之間傳輸文件（文件夾）
鏈接爲 https://bbs.huaweicloud.com/blogs/168928
這裏模型有點大，傳輸可能需要點時間，傳輸完成結果爲
之後登陸開發板，執行命令即可。因爲前面，我拷貝到了開發板的/home/HwHiAiUser目錄下，所以直接登陸就能看到了，直接執行命令進入文件夾即可
cd YOLOv3_COCO
下面執行程序
python3 main.py input_video/person.mp4
在input_video文件夾下放了三個用於測試的視頻，分辨率分別是1920*1080 、1280*720和640*480，這裏使用的是person.mp4，分辨率1920*1080
等待程序執行，最後得到
表示程序運行完成，處理一幀大概需要300ms，比較慢，分析可知，主要是讀取視頻和後處理較慢，推理速度挺快的，後期可能要對後處理做優化，比如使用算子完成後處理，或者硬件解碼視頻，使用OpenCV讀取視頻應該不較慢，而且圖像質量感覺一般。
最後，將輸出的結果圖片拷貝到虛擬機就可以查看了，我的命令爲
scp -r [email protected]:/home/HwHiAiUser/YOLOv3_COCO/output_image /home/ascend/tmp
我拷貝到了虛擬機的tmp文件夾下，具體拷貝文件到虛擬機細節可參考博文https://bbs.huaweicloud.com/blogs/168928
總的來說，Atlas 200 DK挺強的，運行118M的YOLOv3模型畢竟很耗資源。在1920*1080 、1280*720和640*480分辨率的視頻下，速度還可以，如圖
最終效果展示
這裏是做了人（紅色），自行車（綠色）和car（藍色）類別的繪製矩形框。可自行修改代碼，繪製COCO數據集80類矩形框，不過速度會慢哈。
點擊這裏，瞭解更多精彩內容