Keras训练检测模型(Yolo3/tiny Yolo3),部署到Jetson TX2处理多路视频
通过自己的数据训练目标检测器,然后部署到边缘设备上进行检测,并能够进行多路视频处理。
主要内容包括:
1,使用自己数据训练yolo3/yolo3_tiny模型(Keras版本)
2,模型格式转换(.h5-ONNX)
3,部署ONNX模型到tx2 Deepstream
4,检测结果
代码:https://github.com/xiaomaozhou26/keras_onnx_tx2
使用数据训练自己的yolov3/yolov3_tiny模型
训练这一块网上有很多详细的资料,不再累述,实验过程参考blog:
https://blog.csdn.net/Patrick_Lxc/article/details/80615433
keras模型参考:
https://github.com/qqwweee/keras-yolo3
.h5文件转换为ONNX格式
Keras框架保存的模型为.h5格式,在部署到边缘设备之前,一般需要经过格式转换进行加速,可以通过转换到ONNX,并进一步经过TensorRT加速进行部署。下面提供不同模型转换所使用的代码:
.h5–.onnx --.trt 代码:https://github.com/onnx/keras-onnx;https://github.com/zombie0117/yolov3-tiny-on