YOLOv4 目标检测
此文档将详细讲解如何在 Sirider S1 利用 NPU 硬件加速推理 YOLOv4 模型。
快速体验
radxa 提供一个开箱即用 的 YOLOv4 目标检测例子,旨在用户可以直接在 sirider s1 使用 AIPU 推理 yolov4_tiny 模型, 免去复杂的模型编译和执行代码编译, 这对想快速使用 AIPU 而不想从头编译模型的用户是最佳的选择, 如您对完整工作流程感兴趣可以参考 详细教程 章节。
-
克隆仓库代码
git clone https://github.com/zifeng-radxa/siriders1_NPU_yolov4_tiny_demo.git
-
安装依赖
提示建议使用 virtualenv
cd siriders1_NPU_yolov4_tiny_demo/demo
pip3 install -r requirements.txt -
运行 yolov4 demo 程序
python3 yolov4_aipu.py -m [mode] -i [your_input_path] -r
# python3 yolov4_aipu,py -m camera -r参数解析:
-h
,--help
: 打印参数信息-m
,--mode
: 输入模式选择,支持['camera', 'video', 'image']-i
,--input
: 输入文件路径, 当 mode 为 ['video', 'image'] 时请提供文件路径-r
,--real_time
: 实时预览-s
,--save
: 保存输出,保存在output
文件夹
详细教程
要使用周易 Z2 部署目标模型,需要分三步走,模型转换,编译推理文件,应用层程序设计
模型转换
提示
此过程在 x86 主机上完成,进行模型转换前,请根据 周易 AIPU SDK 安装教程 安装 周易SDK 并完成 配置 nn-compiler 环境
-
克隆仓库代码
git clone https://github.com/zifeng-radxa/siriders1_NPU_yolov4_tiny_demo.git
-
生成量化数据
cd siriders1_NPU_yolov4_tiny_demo/convert
python3 preprocess.py -
生成 aipu 模型
aipubuild tflite_yolo_v4_tinybuild.cfg
生成目标模型路径 ./aipu_yolov4_tiny.bin
编译 AIPU 模型可执行推理文件
编译可用于推理 周易Z2 AIPU 模型的可执行文件