一、基于海思芯片:从算法到移植 darknet框架下训练yolov3
二、基于海思芯片:从算法到移植 darknet框架下yolov3转为caffe框架下
三、基于海思芯片:从算法到移植 caffe-yolov3测试训练效果
四、基于海思芯片:从算法到移植 生成海思wk文件并进行成果展示
OK,继续开始我们的讨论,根据上一篇章所述,我们获取了caffe下的两个重要文件anquanmao30000.prototxt和anquanmao30000.caffemodel,下面就将针对这两个文件进行caffe下的结果测试,用来检验你从darknet框架转为caffe框架是否正确。首先下载检验文件夹,地址为https://github.com/ChenYingpeng/caffe-yolov3,参考的主要方法也是基于这篇github的开源代码所述,我在这里再重复写一下吧
git clone https://github.com/ChenYingpeng/caffe-yolov3
cd caffe-yolov3
mkdir build
cd build
cmake ..
make
这里有一点要强调的是cd caffe-yolov3 打开yolo_layer.h文件,你会看到这段代码,要根据你自己的识别目标物个数修改,
然后把你的caffemodel文件和prototxt文件拷贝到caffe-yolov3相应的文件夹中,切记,每次更改其中的代码后,都需要重新编译,才能让修改生效,这篇文章https://github.com/ChenYingpeng/caffe-yolov3所述的和我的文件略有区别,可以看看我的文件夹
然后进入 cd detectnet文件夹,打开detectnet.cpp文件,可以看到我的测试文件在里面写死了
所以稍微注意一下,大同小异,编译好,拷贝好图像和anquanmao30000.caffemodel以及30000.prototxt文件后,我们就可以按照作者的方法测试训练的安全帽效果如何,执行命令:
cd caffe-yolov3/build
./x86_64/bin/detectnet ../prototxt/anquanmao30000.prototxt ../caffemodel/anquanmao30000.caffemodel ../images/1.jpg
效果如图所示
可以看到效果还可以,当然你可以增加训练次数,下面就到了我们的额重头戏,如何把caffemodel和prototxt转为海思芯片下支持的wk文件,然后导入海思板子实时运行,在此我也会把相关的资源提供给想学习的小伙伴,如果文章中有写的不当的地方还请小伙伴及时给我发消息,留言都可以。