基于设备上解码的 Yolo 检测

avatar
作者
猴君
阅读量:0

什么是NDVI?

  • 存储库 ( 修改自 device-decoding) 包含直接使用 DepthAI SDK (main_sdk.py) 或 DepthAI API (main_api.py) 在设备上解码运行 Yolo 目标检测的代码。目前,支持的版本有:
  • YoloV3 & YoloV3-tiny,
  • YoloV4 & YoloV4-tiny,
  • YoloV5,
  • YoloV6,
  • YoloV7,
  • YoloV8,
  • YoloV9,
  • YoloV10
  • 我们在 main_sdk_v*.py(不推荐) 和 main_api.py 中使用相同样式的 JSON 解析,但您也可以在代码中手动设置这两种情况下的值。

导出模型

  • 由于模型必须以某种方式导出转换到 OpenVINO IR,我们提供了关于训练和导出的教程:
  1. YoloV3, YoloV4, 和它们的 tiny 版本:

      训练:  

YoloV3_V4_tiny_training.ipynbicon-default.png?t=N7T8https://github.com/luxonis/depthai-ml-training/blob/master/colab-notebooks/YoloV3_V4_tiny_training.ipynb

        https://github.com/AlexeyAB/darkneticon-default.png?t=N7T8https://github.com/AlexeyAB/darknet

     导出转换:

      ​https://github.com/luxonis/yolo2openvinoicon-default.png?t=N7T8https://github.com/luxonis/yolo2openvino

    2.  YoloV5, YoloV6, 和 YoloV7 :

     训练可参考原始仓库:

    导出转换

用法

  • ::: mkdocs-typer :module: depthai_yolo.cli :command: app :prog_name: depthai_yolo :depth: 4

  • 用法 1: 模块安装
  • 安装
  • python3 -m pip install .
  • 运行
  •    可以使用 download_models 下载全部预定义模型
  • python3 -m depthai_yolo.download_models # 或 python3 -m depthai_yolo --download # 或 depthai_yolo –download
  • python3 -m depthai_yolo oak -m model_name -c config_json # 或 depthai_yolo api -m model_name -c config_json
  •    若使用 OAK_D_SR 请运行
  • python3 -m depthai_yolo sr -m model_name -c config_json # 或 depthai_yolo sr -m model_name -c config_json
  •    若使用 OAK_D_LR 请运行
  • python3 -m depthai_yolo lr -m model_name -c config_json # 或 depthai_yolo lr -m model_name -c config_json
  • 用法 2: 源码运行
  • 安装依赖
  • python3 -m pip install -r requirements.txt
  •   若使用 SDK 请运行
  • python3 -m pip install -r requirements-sdk.txt

  • 运行脚本
  •     可以使用 download_models.py 脚本下载预定义模型
  • python3 -m src/depthai_yolo/download_models.py # 或 python3 run.py –download python3 run.py oak -m model_name -c config_json
  •   若使用 OAK_D_SR 请运行
  •   python3 run.py sr -m model_name -c config_json
  •   若使用 OAK_D_LR 请运行
  •   python3 run.py lr -m model_name -c config_json ``
  • 用法 3: SDK (不推荐)
  • 安装依赖
  • python3 -m pip install -r sdk_scripts/requirements-sdk.txt
  • 运行脚本
  • python3 sdk_scripts/main_sdk_v1.2.py -m model_name -c config_json python3 sdk_scripts/main_sdk_v1.9.py -conf config_json
  • 注意
  • model_name 是来自 DepthAI 模型库 (https://zoo.luxonis.com) 的模型名称或 blob 文件的相对路径。 请查看我们的模型库以查看可用的预训练模型,或使用 -ls/--list_models 参数查看可用模型。
  • config_json 是带有 Yolo 模型元数据(输入形状、锚点、标签等)的 JSON 的相对路径。
  • JSONs

  • 我们已经为常见的 Yolo 版本提供了一些 JSON。您可以编辑它们并为您的模型设置它们,如上述教程中的后续步骤部分所述。如果您要更改教程中的某些参数,则应编辑相应的参数。一般来说,JSON 中的设置应该遵循模型的 CFG 中的设置。对于 YoloV5,默认设置应与 YoloV3 相同。
  • Note:值必须与训练期间在 CFG 中设置的值相匹配。如果您使用不同的输入宽度,您还应该将 side32 更改为 sideX 并将 side16 更改为 sideY,其中 X = width16 和 Y = width32。如果您使用的是非微型模型,则这些值为 width8、width16 和 width32。
  • 您还可以更改 IOU 和置信度阈值。如果多次检测到同一个目标,则增加 IOU 阈值。如果没有检测到足够的目标,则降低置信度阈值。请注意,这不会神奇地改善您的目标检测器,但如果某些目标由于阈值太高而被过滤掉,则可能会有所帮助。
  • Depth 信息

  • DepthAI 使您能够利用深度信息并获取检测到的对象的 x、y 和 z 坐标。
  • python3 run.py api -m model_name -c config_json –spatial

    或者

  • python3 main_sdk_v1.2.py -m model_name -c config_json –spatial python3 main_sdk_v1.9.py -conf config_json –spatial

    如果您对使用 Yolo 检测器的深度信息感兴趣, 请查看我们的 文档

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!