【Hi3519A】yolov3-to-caffe

整个路线:

  1. darknet训练yolov3
  2. 编译支持upsample layer的caffe
  3. 将yolov3转成caffemodel
  4. caffemodel转wk文件
  5. 在Hi3519A上进行测试

转自 https://blog.csdn.net/avideointerfaces/article/details/89111955

1. 为caffe编译upsample拓展

2. 遇到的问题

  • Makefile:594: recipe for target ‘.build_release/src/caffe/layers/upsample_layer.o’ failed
    upsample_layer添加不成功,怀疑是caffe版本和参考博客的不一样
    解决:
error: ‘class caffe::LayerParameter’ has no member named ‘upsample_param’

原来是upsample_param参数的位置写错了。

3. yolov3 - 2- caffe

python darknet2caffe.py cfg/yolov3-voc_person.cfg cfg/yolov3-voc_person_900.weights output/yolov3.prototxt output/yolov3.caffemodel
  • 结果
    在这里插入图片描述

4. 测试

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用\[1\]和引用\[2\]的内容,训练yolov4-tiny进行数字识别的过程与训练yolov3-tiny类似。具体步骤如下: 1. 首先,获取已经训练好的yolov4-tiny的权重文件,可以从官方网站下载。 2. 下载darknet转换caffe的代码,这个代码可以将yolov4-tiny模型转换为caffe模型。 3. 下载用于运行caffe推理的代码。 4. 打开模型可视化工具,将yolov4-tiny的配置文件放入其中,可以查看整个模型的结构。 5. 创建一个新的文本文件,命名为yolov4-tiny.prototxt,根据可视化模型的结构逐步构建caffe版本的模型。这个模型只包含38层,与yolov4-tiny的结构相对应。 6. 根据可视化模型的参数修改caffe代码中的卷积层参数。注意,num_output对应filters,kernel_size对应size,stride对应stride,pad=(kernel_size-1)/2。 7. 对于BatchNorm层的参数use_global_stats,在训练时设为false,只对batch进行归一化;在推理时设为true,对全局数据进行归一化。由于我们不进行训练,所以都设为true。 8. 进行模型训练,使用训练数据集进行训练。 9. 测试训练好的模型,使用测试数据集进行测试。 根据引用\[3\]的内容,进行数字识别的测试命令为:./darknet detector test khadas_ai/khadas_ai.data khadas_ai/yolov3-khadas_ai_tiny.cfg_test khadas_ai/yolov3-khadas_ai_tiny_last.weights khadas_ai/test.jpg -thresh 0.1。这个命令将使用训练好的yolov4-tiny模型对一张测试图片进行数字识别,阈值设为0.1。 综上所述,要进行yolov4-tiny数字识别,需要按照上述步骤进行模型训练和测试。 #### 引用[.reference_title] - *1* *3* [零基础入门darknet-YOLO3或YOLOv3-Tiny模型训练](https://blog.csdn.net/hlm15/article/details/119344624)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [【yolov4-tiny】一、darknet->caffe](https://blog.csdn.net/qq_37532213/article/details/114642626)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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