【树莓派3b+和 intel movidius 神经元计算棒2代 系列 之三】 将darknet转的bin和xml文件在树莓派上测试yolo v3和yolo v3 tiny

最新推荐文章于 2023-06-29 10:01:11 发布
最新推荐文章于 2023-06-29 10:01:11 发布
阅读量3k 收藏 15
点赞数 2
分类专栏： NCS 树莓派 深度学习/机器学习 移动端（边缘设备）深度学习 文章标签： NCS 树莓派 yolov3
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/c20081052/article/details/90068526
版权
本教程详细介绍了如何在树莓派3B+和Intel Movidius NCS2上运行用darknet转换的bin和xml文件测试yolo v3和yolo v3 tiny。包括环境激活、模型文件准备、编译运行yolo3及yolo3 tiny的步骤，以及Python脚本的运行方法。
摘要由CSDN通过智能技术生成

相关系列文章：

  树莓派3B+安装系统（Raspbian 9）以及环境配置

【树莓派3b+和 intel movidius 神经元计算棒2代 系列 之一】 安装与部署神经计算棒NCS2

【树莓派3b+和 intel movidius 神经元计算棒2代 系列 之二】 darknet的weights模型转为计算棒所需的IR模型

 

本篇文章是在完成第二步中 转换得到的 计算棒支持的bin,xml文件基础上，在树莓派3b+和NCS2代上运行yolo v3和yolo v3 tiny；

Step 1. 环境激活

打开树莓派终端，激活OpenVINO 工具包 环境变量，后续操作都在这个终端窗口下执行；

source /opt/intel/openvino/bin/setupvars.sh

当完成如上操作后，会在终端显示如下：


                

        

        

    

  


        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
            

        

    

      

        

            

              
                
                  ciky奇
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          

                

                        订阅专栏
                









                



	

		

			

				
					
【树莓派3b+和 intel movidius 神经元计算棒2代 系列 之二】 darknet的weights模型转为计算棒所需的IR模型

				
			

			

				

					c20081052的专栏
				

				

					05-10
					
					3302
					
				

			

		

		

			
				
树莓派3B+安装系统（Raspbian 9）以及环境配置

【树莓派3b+和 intel movidius 神经元计算棒2代 系列 之一】 安装与部署神经计算棒NCS2

【树莓派3b+和 intel movidius 神经元计算棒2代 系列 之三】 将darknet转的bin和xml文件在树莓派上测试yolo v3和yolo v3 tiny

本系列文章主要目的是在树莓派3b+和神经计算棒上...

			
		

	



                

              
                



	

		

			

				
					
在树莓派4B上使用YOLO v3 Tiny进行实时目标检测

					
热门推荐

				
			

			

				

					weixin_43878078的博客
				

				

					01-08
					
					2万+
					
				

			

		

		

			
				
首先尝试使用yolo官网yolo给的教程，在树莓派上测试，但是在运行时出现段错误，尝试很多方法无法解决。在国外的网站找到darknet-nnpack这个东西，可以完美的在树莓派上运行。
参考的文章

darknet-nnpack  https://github.com/zxzhaixiang/darknet-nnpack
Fun of DIY  http://funofdiy.blogspot.c...

			
		

	



                


  
              

                


	

		

			

				
					
在树莓派上实现神经计算棒中示例

				
			

			

				

					03-25
				

			

		

		

			
				
在树莓派上进行神经计算棒上带有的示例进行实现和运行！

			
		

	





	

		

			

				
					
YOLO模型部署到神经棒二代上

				
			

			

				

					qq_44219883的博客
				

				

					11-14
					
					717
					
				

			

		

		

			
				
YOLO模型部署到神经棒二代上
神经棒2019年出来的，说实话真的恶心。资料挺少的。我自己训练物体识别用的keras-yolo模型。但部署到树莓派上坑定运行不起来。所以将其部署到神经棒上。这个过程看似就几步，但是Python的环境稍微版本不一样，就会出现各种各样的错误，这个模型的转换足足恶心了我一星期多。
整个过程配置和转化的环境为：

以上环境的配置都是用Anaconda配置的虚拟环境，具体这个anaconda如何配置虚拟环境以及如何换源网上都有很详细的教程。这里就不在赘述
1：下载程序，将yolo生成的

			
		

	



		

			
		



	

		

			

				
					
PyTorch介绍及英特尔扩展应用

				
			

			

				

					qq_40891528的博客
				

				

					06-29
					
					1449
					
				

			

		

		

			
				
PyTorch是一个开源的机器学习框架，基于Torch库，主要用于计算机视觉和自然语言处理等领域的应用。由于其优秀的灵活性和速度，PyTorch已在全球范围内广受数据科学家和研究者的欢迎，成为深度学习研究和应用的首选框架之一。

			
		

	





	

		

			

				
					
回顾| 6月20日直播回放- OpenVINO + ROS 加速机器人应用

				
			

			

				

					OpenVINOCC的博客
				

				

					10-06
					
					224
					
				

			

		

		

			
				
6月20日直播回放-OpenVINO + ROS 加速机器人应用

                    
                    6月20日直播回放 ｜ OpenVINO + ROS 加速机器人应用 - 英特尔物联网技术大咖在线分享
                  
关注我们，让开发变得更有趣????

微信号：openvinodev
B站：OpenVINO 中文社区
*OpenVINO and the OpenVINO logo are trademarks of Intel Co

			
		

	





	

		

			

				
					
因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection

				
			

			

				

					LuckyXiaoSu的博客
				

				

					02-20
					
					1万+
					
				

			

		

		

			
				
因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection
踩了好多坑啊。。一言难尽
Step1:在树莓派上安装环境
首先安装openVINO工具包（最好不要在树莓派上装NCSDK..太坑了），详情见这篇文章(https://blog.csdn.net/qqqzmy/article/details/85213414)。

Step2:在windows中安装openVIN...

			
		

	





	

		

			

				
					
【树莓派3b+和 intel movidius 神经元计算棒2代  系列 之一】 安装与部署神经计算棒NCS2

				
			

			

				

					c20081052的专栏
				

				

					05-10
					
					4478
					
				

			

		

		

			
				
硬件：树莓派3b+，intel movidius神经计算棒2代，HDMI，网线，鼠标，键盘等；

https://pan.baidu.com/s/1nMYjE595f-FR-OCy90hT4w相关软件下载链接（提取码：r4mw）

链接中包含软件：SD卡格式化工具、win32diskimager、Raspbian系统镜像、Xshell(ssh工具)；

树莓派安装请参考：树莓派3B+安装系统（R...

			
		

	





	

		

			

				
					
树莓派3b+和 intel movidius 神经元计算棒2代 跑yolo v3 tiny

				
			

			

				

					c20081052的专栏
				

				

					05-08
					
					6041
					
				

			

		

		

			
				
本帖子主要是参考了以下两篇：

第一篇：

从零开始搭建树莓派 + intel movidius 神经元计算棒2代深度学习环境

这篇文章主要目录如下：

摘要
材料硬件：
步骤：
1、 下载树莓派镜像并解压
2、 烧写镜像
3、 启动树莓派
4、 配置树莓派
5、 安装cmake
6、 下载OpenVINO toolkit for Raspbian安装包：
7...

			
		

	





	

		

			

				
					
树莓派4B+NCS2代测试yolov3和yolov3_tiny实现object_detection

				
			

			

				

					GankinTao的博客
				

				

					01-10
					
					6748
					
				

			

		

		

			
				
使用因特尔神经计算棒主要有两个原因，一、单独在树莓派4B上测试yolo会出现“段错误”，修改过后又会出现“总线错误”，这个问题没有得到解决，只好添加神经计算棒（有出现并解决此类问题的小伙伴可以讨论一下）二、使用神经计算棒可以明显提高模型在树莓派这种计算量较小的设备上的速度。
避免踩坑，总的步骤如下：
一、在树莓派上安装NCS环境
二、在windows上安装NCS环境（格式转换用到）
三、格式转换
...

			
		

	





	

		

			

				
					
使用YOLOV3-tiny训练行人检测器并移植到树莓派4B上实现

				
			

			

				

					weixin_43878078的博客
				

				

					06-12
					
					5508
					
				

			

		

		

			
				
说明
1.这篇文章是在我上篇文章的基础上继续往下做，上篇博客，上篇博客在树莓派4B上实现了目标检测，这篇文章将实现在笔记本上行人检测权重，再放到树莓派里面。
2.我的笔记本配置系统Ubuntu16.04+cuda8.0+cudnn5.1
硬件7代cpu，显卡gtx1050，
3. 一共训练30000次，训练速度很快，10000次只要半小时左右就完成了，测试检测结果很好
4.参考 https://github.com/pascal1129/yolo_person_detect
1. 下载YOLO
git cl

			
		

	





	

		

			

				
					
在树莓派3B+ 上使用YOLO v3 Tiny进行实时对象检测

				
			

			

				

					PUZZER的博客
				

				

					07-06
					
					5788
					
				

			

		

		

			
				
主要参考文章：http://funofdiy.blogspot.com/2018/08/deep-learning-with-raspberry-pi-real.html（需要vpn）
https://blog.csdn.net/weixin_43878078/article/details/103893426
https://github.com/zxzhaixiang/darknet-nnpack/tree/yolov3

说明1：原版的yolo V3 完整版本是无法在树莓派上运行的，直接编译会报错如.

			
		

	





	

		

			

				
					
在树莓派上使用yolov3

				
			

			

				

					qq_50304062的博客
				

				

					12-25
					
					1790
					
				

			

		

		

			
				
从0开始在树莓派中部署openvino+yolov3----5
文章目录从0开始在树莓派中部署openvino+yolov3----5前言一、部署yolov3到树莓派上总结

前言
上篇转换了模型，现在就需要在树莓派里面使用，这里需要运行yolov3的代码
链接：https://pan.baidu.com/s/1jAyEzkzazPMydg4064gvqA 
提取码：yp8n 
--来自百度网盘超级会员V1的分享

一、部署yolov3到树莓派上
按照之前的方法登录树莓派（这里就不做演示了，今天考研，信号有

			
		

	





	

		

			

				
					
树莓派4B（armv7l，arm32）buster部署英特尔第二代神经计算棒，示例：运行darknet-yolov4-tiny

				
			

			

				

					DEDSEC_Roger的博客
				

				

					10-20
					
					2542
					
				

			

		

		

			
				
开启cmd，“以管理员身份运行”，先激活之前创建的虚拟环境并设置环境变量，导航到有.pb文件的地方，使用Windows上的Model Optimizer生成IR文件，按照你自己在Windows上的OpenVINO安装路径来运行下面的代码。接下来为Model Optimizer做准备，因为我只打算将TensorFlow的模型文件作为我的转换媒介，因此我只做关于TensorFlow的准备，其他模型文件的转换可以参考下面的链接。这种环境变量的设置方法是临时的，关闭cmd就失效，也可以手动设置永久的环境变量。

			
		

	





	

		

			

				
					
树莓派3B上测试YOLO效果

				
			

			

				

					u011304078的博客
				

				

					01-04
					
					5356
					
				

			

		

		

			
				
安装系统
下载raspbian-stretch镜像：https://www.raspberrypi.org/downloads/raspbian/ 
下载SDFormatterv4：https://www.sdcard.org/downloads/formatter_4/ 
下载Win32DiskImager：https://sourceforge.net/projects/win32diskim...

			
		

	





	

		

			

				
					
Darknet YOLO v3 Neural Network for object detection - 目标像素尺寸

				
			

			

				

					既然选择了远方  便只顾风雨兼程 - 永强
				

				

					08-06
					
					879
					
				

			

		

		

			
				
Darknet YOLO v3 Neural Network for object detection - 目标像素尺寸
1. General rule - 一般规则
Your training dataset should include such a set of relative sizes of objects that you want to detect:
您的训练数据集应包含您要检测的一组相对大小的目标：
train_network_width * train_obj_width / trai

			
		

	





	

		

			

				
					
cfg和weights文件转成yolov3.wts

					
最新发布

				
			

			

				

					08-01
				

			

		

		

			
				
要将cfg和weights文件转成yolov3.wts文件，我们需要使用Darknet框架和一些工具。下面是转换的步骤：  步骤 1：安装Darknet框架 首先，我们需要在计算机上安装Darknet框架。可以在GitHub上找到该框架的源代码，并按照...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 10

	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值