QA200EP Atlas200 推理卡（三）辅助驾驶案例

上海全爱科技

已于 2023-02-17 15:49:52 修改

阅读量167

点赞数

分类专栏： QA200EP 文章标签：边缘计算人工智能计算机视觉 Powered by 金山文档

于 2023-02-17 14:06:24 首次发布

原文链接：www.gitee.com

版权

QA200EP 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

该文介绍了如何使用YOLOV4模型在Atlas硬件平台上对视频进行目标检测推理。首先，确保CANN版本大于5.0.4并安装必要依赖，如opencv和python-acllite。接着，下载并准备源码包、原始网络模型以及测试视频。然后，通过atc工具将YOLOV4模型转换为可在Ascend设备上运行的格式。最后，在运行环境中执行Python脚本，对测试视频进行处理，结果保存在out目录下的视频中。

摘要由CSDN通过智能技术生成

YOLOV4_coco_detection_car_video样例

功能：使用yolov4模型对输入视频进行预测推理，并将结果打印到输出视频上。

样例输入：原始视频文件。

样例输出：带推理结果的视频文件。

前置条件

请检查以下条件要求是否满足，如不满足请按照备注进行相应处理。如果CANN版本升级，请同步检查第三方依赖是否需要重新安装（5.0.4及以上版本第三方依赖和5.0.4以下版本有差异，需要重新安装）。

条件	要求	备注
CANN版本	>=5.0.4	请参考CANN样例仓介绍中的安装步骤完成CANN安装，如果CANN低于要求版本请根据版本说明切换samples仓到对应CANN版本
硬件要求	Atlas200DK/Atlas300(ai1s)	当前已在Atlas200DK和Atlas300测试通过，产品说明请参考硬件平台，其他产品可能需要另做适配
第三方依赖	opencv, python-acllite	请参考第三方依赖安装指导（python样例）选择需要的依赖完成安装

样例准备

获取源码包。

        可以使用以下两种方式下载，请选择其中一种进行源码准备。
    ◦ 命令行方式下载（下载时间较长，但步骤简单）。
    ◦ # 开发环境，非root用户命令行中执行以下命令下载源码仓。    
    ◦ cd ${HOME}     
                    git clone https://gitee.com/ascend/samples.git
                    注：如果需要切换到其它tag版本，以v0.5.0为例，可执行以下命令。
                    git checkout v0.5.0
    ◦ 压缩包方式下载（下载时间较短，但步骤稍微复杂）。
注：如果需要下载其它版本代码，请先请根据前置条件说明进行samples仓分支切换。
    ◦  # 1. samples仓右上角选择 【克隆/下载】 下拉框并选择 【下载ZIP】。    
    ◦  # 2. 将ZIP包上传到开发环境中的普通用户家目录中，【例如：${HOME}/ascend-samples-master.zip】。     
    ◦  # 3. 开发环境中，执行以下命令，解压zip包。     
    ◦  cd ${HOME}   
                     unzip ascend-samples-master.zip

获取此应用中所需要的原始网络模型。

模型名称	模型说明	模型下载路径
yolov4	基于onnx-YOLOV4的目标检测模型。	请参考https://www.hiascend.com/zh/software/modelzoo/detail/1/abb7e641964c459398173248aa5353bc 下载原始模型。

# 为了方便下载，在这里直接给出原始模型下载及模型转换命令,可以直接拷贝执行。也可以参照上表在modelzoo中下载并手工转换，以了解更多细节。

cd${HOME}/samples/python/level2_simple_inference/2_object_detection/YOLOV4_coco_detection_car_video/model    
wgethttps://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/YOLOv4_onnx/yolov4_dynamic_bs.onnx    
atc--model=./yolov4_dynamic_bs.onnx --framework=5 --output=yolov4_bs1--input_format=NCHW --soc_version=Ascend310--input_shape="input:1,3,608,608"--out_nodes="Conv_434:0;Conv_418:0;Conv_402:0"

获取样例需要的测试视频。

# 执行以下命令，进入样例的data文件夹中，下载对应的测试视频。

cd$HOME/samples/python/level2_simple_inference/2_object_detection/YOLOV4_coco_detection_car_video/data
wgethttps://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/YOLOV4_coco_detection_car_video/test_video/test.mp4
        cd ../src

样例运行

注：开发环境与运行环境合一部署，请跳过步骤1，直接执行步骤2即可。

执行以下命令,将开发环境的 YOLOV4_coco_detection_car_video 目录上传到运行环境中，例如 /home/HwHiAiUser，并以HwHiAiUser（运行用户）登录运行环境（Host）。

# 【xxx.xxx.xxx.xxx】为运行环境ip，200DK在USB连接时一般为192.168.1.2，300（ai1s）为对应的公网ip。
scp -r$HOME/samples/python/level2_simple_inference/2_object_detection/YOLOV4_coco_detection_car_videoHwHiAiUser@xxx.xxx.xxx.xxx:/home/HwHiAiUser
sshHwHiAiUser@xxx.xxx.xxx.xxx
        cd ${HOME}/YOLOV4_coco_detection_car_video/src
运行可执行文件。
        python3.6 yolov4.py ../data/test.mp4

查看结果运行完成后，结果视频保存在out目录下。