跳到主要内容

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。

文档分为两部分：快速体验，详细教程

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

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 Z2 AIPU 使用教程 安装周易SDK 并完成 配置 nn-compiler 环境

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

复制仓库例子中 compile 文件夹到周易 SDK

将 siriders1_NPU_yolov4_tiny_demo 仓库下的 compile 文件夹复制到 YOUR_SDK_PATH/siengine, 注意修改 YOUR_SDK_PATH 为您的实际路径
```
cp -r compile YOUR_SDK_PATH/siengine
```
交叉编译

提示
请根据您的交叉编译工具链条路径修改 CMakeList.txt 中的 Linux_Tool_ROOT，默认为 /opt/gcc-linaro-7.5.0-2019.12-x86_64_aarch64-linux-gnu/bin
```
cd YOUR_SDK_PATH/siengine/compile
mkdir build && cd build
cmake -DCMAKE_BUILD_TYPE=Release .. && make
cd ..
```
生成的输出文件在 out 文件夹中
转移至板端并测试

将生成的 aipu_yolov4_tiny.bin 模型文件和 out/linux 下的文件到 sirider s1 上。

利用 yolov4_aipu.py 测试结果
```
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:linux/libs
python3 yolov4_aipu.py -m image -i YOUR_IMAGE_PATH -r
```

快速体验
详细教程
- 模型转换
- 编译 AIPU 模型可执行推理文件