在PC和树莓派上部署 YOLOv10 做检测

最新推荐文章于 2024-08-21 22:10:46 发布

小北的北

最新推荐文章于 2024-08-21 22:10:46 发布

阅读量445

点赞数 12

文章标签： YOLO

本文链接：https://blog.csdn.net/weixin_38739735/article/details/141407339

版权

点击下方卡片，关注“小白玩转Python”公众号

计算机视觉可以是不同规模的机器学习应用的重要组成部分，从价值20,000美元的特斯拉机器人或自动驾驶汽车到智能门铃和吸尘器。这也是一个具有挑战性的任务，因为与云基础设施相比，在“真实”的边缘设备上，硬件规格通常更加受限。

YOLO（You Only Look Once，你只需看一次）是一个流行的目标检测库；它的第一版是在2015年制作的。YOLO对于嵌入式设备特别有趣，因为它几乎可以在任何地方运行；不仅有Python版本，还有C++（ONNX和OpenVINO）和Rust版本可用。一年前，我在树莓派4上测试了YOLO v8。现在，许多事情都发生了变化——新的树莓派5已经可用，而且更新的YOLO v10也已经发布。因此，我期望在新硬件上的新模型能够更快、更精确地工作。

本文中介绍的代码是跨平台的，所以没有树莓派的读者也可以在Windows、Linux或OS X电脑上运行它。

树莓派

对于可能从未听说过树莓派的人来说，让我们做一个简短的介绍。树莓派是一个小型信用卡大小的单板计算机，拥有4-8GB的RAM，并且能够运行完整的Linux版本：

树莓派小巧、安静且相对便宜，价格约为100美元。它还有很多端口（USB、GPIO、SPI/I2C、HDMI等）与不同的硬件通信。树莓派不仅被业余爱好者广泛使用，而且在工业中也有应用（树莓派计算模块专门为嵌入式应用设计）。这就是为什么看到我们可以使用最新的YOLO模型在最新的树莓派上获得什么样的性能是很有趣的。

安装

要在树莓派上运行YOLO，我将使用Ubuntu 64位。这是最简单的方式，因为Ubuntu不仅是最受欢迎的Linux发行版，而且也是官方认证适用于树莓派的。64位的Raspbian操作系统也应该可以工作，但在上面安装最新的库和框架可能具有挑战性。上次我尝试时，很多库和组件都过时了，而且apt仓库中没有最新版本。32位操作系统根本不支持Python YOLO版本，因为PyTorch（依赖项之一）不再支持32位架构。

在编写代码之前，让我们准备树莓派上的虚拟环境（这里，我使用“pi”作为树莓派用户的默认名称）：

mkdir /home/pi/Documents/YOLO
cd /home/pi/Documents/YOLO
python3 -m venv yolo
source yolo/bin/activate

现在，我们准备安装所需的库：

sudo apt install libgl1
pip3 install opencv-python ultralytics supervision

不同的YOLO模型可用，我们可以从GitHub下载它们。我将使用YOLO v10 Large (x)、Medium (m)和Nano (n)模型：

wget https://github.com/THU-MIG/yolov10/releases/download/v1.0/yolov10n.pt
wget https://github.com/THU-MIG/yolov10/releases/download/v1.0/yolov10m.pt
wget https://github.com/THU-MIG/yolov10/releases/download/v1.0/yolov10x.pt

基本使用

当模型加载后，我们可以使用Python。要获得结果，我们只需要几行代码：

from ultralytics import YOLO




model = YOLO("yolov10m.pt")
results = model.predict("image.jpg",
                        save=False, save_txt=False,
                        verbose=False, conf=0.75)
results[0].show()

在这里，我指定了75%的置信度阈值。库为我们做了所有必要的工作，在屏幕上显示了注释后的图像。输出看起来像这样：

我们还可以得到文本形式的数据，这对于没有屏幕的“无头”系统可能有用：

model = YOLO("yolov10m.pt")
results = model.predict("image.jpg",
                        save=False, save_txt=False,
                        verbose=False, conf=0.75)


boxes = results[0].boxes
confidence, class_ids = boxes.conf, boxes.cls.int()
rects = boxes.xyxy.int()
for ind in range(boxes.shape[0]):
    print(model.names[class_ids[ind].item()],
          confidence[ind].item(),
          rects[ind].tolist())

在那种情况下，输出看起来像这样：

car 0.9247599244117737 [561, 311, 719, 420]
car 0.9067108035087585 [464, 303, 554, 380]
car 0.9027121663093567 [402, 300, 481, 367]
car 0.8614686727523804 [524, 310, 592, 396]
bicycle 0.8476000428199768 [181, 321, 241, 400]
person 0.8029575347900391 [71, 271, 126, 421]
person 0.7965097427368164 [186, 278, 237, 381]
bicycle 0.7882957458496094 [111, 330, 156, 414]

自定义注释

正如我们从前面的示例中看到的，results[0].show()方法正在做添加框架和标签到输出图像所需的工作。在Supervision库的帮助下，我们可以使用更复杂的自定义注释：

import supervision as sv




img = cv2.imread('image.jpg')
results = model.predict(img, ...)


detections = sv.Detections.from_ultralytics(results[0])
# Add Boxes
sv.BoxCornerAnnotator(thickness=2).annotate(
    scene=img,
    detections=detections
)
# Add Labels
labels = []
for ind, class_id in enumerate(detections.class_id):
    labels.append(f"{model.model.names[class_id]}: {detections.confidence[ind]:.2f}")


sv.LabelAnnotator().annotate(
    scene=img,
    detections=detections,
    labels=labels
)


# Show
cv2.imshow("Image", img_out)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里，我首先创建了一个标签列表，然后使用了LabelAnnotator和BoxCornerAnnotator类在图像上绘制结果。输出看起来像这样：

摄像头流

在前面的示例中，我使用了一个静态的JPEG图像。这对于测试很好，但在实际应用中，来自USB摄像头的实时流可能更有用。

我们可以使用OpenCV轻松获取摄像头流，并使用与之前相同的代码：

def predict_and_annotate(model: YOLO, img: Any):
    """ Predict the labels and return the annotated image """
    results = model.predict(source=img,
                            save=False, save_txt=False, verbose=False,
                            conf=0.75)
    detections = sv.Detections.from_ultralytics(results[0])


    ...


    img = img.copy()    
    sv.LabelAnnotator().annotate(
        scene=img,
        detections=detections,
        labels=labels
    )
    return img




# Run the camera stream
model = YOLO("yolov10m.pt")


cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
while True:
    ret, frame = cap.read()
    frame = predict_and_annotate(model, frame)


    cv2.imshow("WebCam", frame)


    if cv2.waitKey(30) == 27: # Stop with Escape key
        break


cap.release()
cv2.destroyAllWindows()

显然，除了cv2.imshow调用之外，还可以使用其他数据处理。

结果

最后，我们拥有了所有需要的代码，是时候看看结果了！正如文章开头所写的，在过去的一年中，有两件事发生了变化：发布了新的YOLO v10模型，并且新的树莓派5也变得可用。因此，分别检查这些因素是有意义的。

准确性

为了比较准确性，我使用相同的图像运行了YOLO v8和v10 Medium模型：

正如我们所看到的，结果几乎相同。然而，YOLO v10模型错过了一个被v8检测到的人。显然，一张图片不足以作为“基准”，读者欢迎使用自己的数据进行更多测试。

性能

首先，比较YOLO v10与v8的性能很有趣。正如YOLOv10论文中所写，“我们从效率和准确性的角度全面优化了YOLO的各种组件”，所以我期望新模型更快。树莓派没有GPU，所以我在桌面上进行了这个测试：

确实，YOLO v10稍微（5-15%）更快，这是一个不错的改进。其次，看看YOLO v10模型（Nano、Medium和X-Large）在不同版本的树莓派上的表现也很有趣：

结果很有趣。确实，树莓派5比树莓派4快了2倍以上。在树莓派5上，使用最小的Nano模型，单张图像处理大约需要0.6秒。然而，这台微型计算机与全尺寸桌面PC相比，计算能力仍然要小得多。

结论

在本文中，我测试了最新的（在撰写本文时）YOLO v10模型，该模型于2024年5月发布，结果很有趣。

首先，与一年前可用的新YOLO v10模型相比，速度略快，这是一个不错的改进。其次，树莓派5也比前一个模型更快，我们可以使用最小的“Nano”模型从摄像头流中实现大约0.6秒每张图像的性能。一般来说，0.6秒的处理时间还不错。树莓派是一台小型且低成本的计算机；它不足以用于实时应用，如街道导航，但可以足够好，例如，用于检测停车场上的汽车或通过每分钟拍照来估计商店中的人数。如果我们想要更快的速度，可以使用像NVIDIA Jetson这样的板子；它们更强大，但也更昂贵。

· END ·

🌟 想要变身计算机视觉小能手？快来「小白玩转Python」公众号！

回复“Python视觉实战项目”，解锁31个超有趣的视觉项目大礼包！🎁

本文仅供学习交流使用，如有侵权请联系作者删除

小北的北

关注

12
点赞
踩
17

收藏

觉得还不错? 一键收藏
0
评论
在PC和树莓派上部署 YOLOv10 做检测

点击下方卡片，关注“小白玩转Python”公众号计算机视觉可以是不同规模的机器学习应用的重要组成部分，从价值20,000美元的特斯拉机器人或自动驾驶汽车到智能门铃和吸尘器。这也是一个具有挑战性的任务，因为与云基础设施相比，在“真实”的边缘设备上，硬件规格通常更加受限。YOLO（You Only Look Once，你只需看一次）是一个流行的目标检测库；它的第一版是在2015年制作的。YOLO对于嵌...
复制链接

扫一扫