【昇腾AI系列】 在200DK运行MindX SDK的Yolov3+Resnet50样例

注意：巨坑提醒：python版本和mindx sdk有关联，python3.7.5最高支持的mindx sdk版本为2.0.3
如果使用2.0.4版本，会报错：

如果有遇到这类问题的小伙伴一定要记得注意一下Python和MindX SDK的版本哈。
MindX SDK2.0.4推荐Python用3.9.2版本，我的上面使用3.7.5是报错了。

基于MindX SDK部署应用的源码介绍

Mindx sdk提供了极简易用的开发sdk，可以快速部署应用。
我们运行mxVision样例，使用python实现。
整个运行的入口在python下的run.sh中，更新环境变量后，执行main.py脚本。

Main.py脚本需要修改的内容如下，一个是pipeline的路径，一个是pipeline中streamName的名字。然后调用pipeline。

用户可以修改的pipeline内容：

开发流程

参考： MindX SDK 2.0.3.6 mxVision 用户指南 01 第六章 使用命令行方式开发

（1）确定业务流程

首先我们知道我们要干什么事情。
我们的业务是基于YoloV3和Resnet50实现目标框提取和分类。
整个流程需要先获取图片、图片解码为RGB格式、图片缩放到模型输入要求的大小、使用Yolov3目标检测提取感兴趣区域、将感兴趣的图像裁剪出来、图像缩放到Resnet50模型的大小、运行Resnet50图片分类、结果保存为json格式并序列化、结果发送出去。

（2）寻找合适插件

根据已有SDK插件的功能描述和规格限制来匹配业务功能。
当SDK提供的插件无法慢足功能需求时，用户还可以开发自定义插件。这部分是高级教程。
这里我们使用的是官方的插件就可以满足要求。
如下是我们这次的业务用到的插件类型：

业务流程模块	插件名称
获取图片流	stream_config
图片解码	mxpi_imagedecoder
图片缩放	mxpi_imageresize
推理任务	mxpi_tensorinfer
目标结果处理	mxpi_objectpostprocessor
分类结果处理	mxpi_classpostprocessor
序列化	mxpi_dataserialize
结果发送	appsink

关于插件一些介绍
什么是插件：是一种遵循一定规范的应用程序接口编写出来的程序。英文为 Plugin。在MindX SDK中的每一个插件名称前面都有一个mxpi.
比如视频拉流插件：mxpi_rtspsrc
图像缩放插件：mxpi_imageresize
图像推理插件：mxpi_tensorinfer

（3）准备推理模型

网络模型（如MindSpore、 Caffe、 TensorFlow等）需要通过ATC工具进行转换，才能在昇腾AI处理器上进行推理。
模型转换过程中可以实现算子调度的优化、权值数据重排、内存使用优化等，模型转换后需要进行后处理。

YOLOv3： https://www.hiascend.com/zh/software/modelzoo/detail/1/ba2a4c054a094ef595da288ecbc7d7b4
Resnet: https://www.hiascend.com/zh/software/modelzoo/detail/C/d63df55c1f7f4112a97c8a33e6da89fe
将om模型放置到对应的models路径下。

(4) 执行

运行脚本

sh run.sh

运行结果如下: