[TI TDA4 J721E]YOLOX 模型训练结果导入及平台移植应用

AIRKernel

已于 2022-08-08 21:11:37 修改

阅读量3.1k

点赞数

分类专栏： TI TDA4 J721E 开发板学习交流文章标签：深度学习自动驾驶视觉检测

于 2022-08-08 11:35:40 首次发布

本文链接：https://blog.csdn.net/AIRKernel/article/details/126222505

版权

TI TDA4 J721E 开发板学习交流专栏收录该内容

24 篇文章 231 订阅

订阅专栏

首先感谢阅读，如果您也对TDA4相关的开发感兴趣，我们这边有个学习交流微信群，可以入群和大家一起交流学习。

资历较浅，水平有限，如遇错误，请大家多指正！

保持开源精神，共同分享、进步！

博主WX ： AIR_12 我会拉你入群。

链接：TDA4 相关专栏 链接：TDA4 Demo Gitee开源库

欢迎大家加入，一起维护这个开源库，给更多的朋友提供帮助。

前段时间完成了Yolov5的模型导入和移植，有兴趣的可以看下这里：

[TI TDA4 J721E]YOLOV5 模型训练结果导入及平台移植应用_AIRKernel的博客-CSDN博客

SDK 版本 0802

一、YOLOX onnx模型的获取和导入

Ti官方在yolo官方的基础上，对yolo进行了一些修改，主要是为了适配训练生成的网络中有一些层，在TIDL模块内无法运行。

TI官方提供的 edgeai-yolox：

https://github.com/TexasInstruments/edgeai-yoloxhttps://github.com/TexasInstruments/edgeai-yolox可以在官方提供的基础上，训练自己的模型，并将 *.pth 权重文件，使用export_onnx.py文件导出为 onnx文件和prototxt文件。

注意：TI官方提供的yolox 预训练模型 onnx及 prototxt 下载地址：

https://github.com/TexasInstruments/edgeai-modelzoo/tree/master/models/vision/detection/coco/edgeai-yoloxhttps://github.com/TexasInstruments/edgeai-modelzoo/tree/master/models/vision/detection/coco/edgeai-yolox

进入每个link文件下载即可。

原生yolox

https://github.com/Megvii-BaseDetection/YOLOX

二、转换流程（同yolov5转换过程）

步骤（主要在PC端完成）：

1、将下载好的onnx和prototxt文件拷贝到对应文件夹

2、新建一个转换配置文件，用于指定模型相关属性、源文件路径、生成模型存储路径等

3、执行importer 操作，生成转换完成的bin文件

4、PC端观察是否生成正确，并验证

具体参考流程，仿照YOLOV5模型的转换流程，有很详细的说明。

[TI TDA4 J721E]YOLOV5 模型训练结果导入及平台移植应用_AIRKernel的博客-CSDN博客

三、重点的转换配置文件！！！

我使用的是yolox_m_ti_lite_45p5_64p2.onnx 和 yolox_m_ti_lite_metaarch.prototxt 文件，具体的转化配置文件，如下：

modelType          = 2
numParamBits       = 8
numFeatureBits     = 8
quantizationStyle  = 3

inputNetFile       = "../../test/testvecs/models/public/onnx/yolox_m_ti_lite_45p5_64p2.onnx"
outputNetFile      = "../../test/testvecs/config/tidl_models/onnx/yolox_m_ti_lite_45p5_64p2/tidl_net_yolox_m_ti_lite_45p5_64p2.bin"
outputParamsFile   = "../../test/testvecs/config/tidl_models/onnx/yolox_m_ti_lite_45p5_64p2/tidl_io_yolox_m_ti_lite_45p5_64p2_"
inDataNorm  = 1
inMean = 0 0 0
inScale = 1.0 1.0 1.0
inDataFormat = 1
inWidth  = 640
inHeight = 640 
inNumChannels = 3
numFrames = 1
inData  =   "../../test/testvecs/config/detection_list.txt"
perfSimConfig = ../../test/testvecs/config/import/device_config.cfg
inElementType = 0
#outDataNamesList = "convolution_output,convolution_output1,convolution_output2"
metaArchType = 6
metaLayersNamesList =  "../../test/testvecs/models/public/onnx/yolox_m_ti_lite_metaarch.prototxt"
postProcType = 2

需要注意，重点要修改三个地方，如下：