cmake 交叉编译_libfacedetection模型研究-c++编译&运行-CSDN博客

libfacedetection是基于SSD架构的人脸检测算法，github地址：https://github.com/ShiqiYu/libfacedetection

号称最快的人脸检测算法，接下来笔者将验证它的推理速度究竟有多快。

由于项目工程是c++的，且模型也编译到c++文件中，所以先验证cpu上的推理速度。

1 x86编译

cmake .. -DCMAKE_INSTALL_PREFIX=install -DBUILD_SHARED_LIBS=ON -DCMAKE_BUILD_TYPE=Release -DDEMO=ON
make
make install

demo可以跑起来，模型的权重变量已经在cpp文件中了，不依赖模型。

2 交叉编译修改

修改CMakeLists.txt，交叉编译使用自定义的opencv库（仅涉及demo部分）

增加：

option(ARM_PLATFORM "Use Platform" OFF)

修改

if (DEMO)
...
endif()

改为

if (DEMO)
	if(ARM_PLATFORM)
		link_directories(/home/tzl/box/third_party/hi3559av100/opencv340)
		include_directories(/home/tzl/box/third_party/hi3559av100/opencv340/inc)
		set(OpenCV_LIBS libimgcodecs.a libimgproc.a libcore.a)

		link_directories(/home/tzl/box/third_party/hi3559av100/png)
		include_directories(/home/tzl/box/third_party/hi3559av100/png/inc)
		set(Png_LIBS libpng.a)

		link_directories(/home/tzl/box/third_party/hi3559av100/libjpeg)
		include_directories(/home/tzl/box/third_party/hi3559av100/libjpeg/inc)	
		set(Jpeg_LIBS libjpeg.a libsimd.a libturbojpeg.a)
 
		link_directories(/home/tzl/box/third_party/hi3559av100/zlib)
		include_directories(/home/tzl/box/third_party/hi3559av100/zlib/inc)	
		set(Zlib_LIBS libzlib.a)

		add_executable(detect-image-demo ${fdt_base_dir}/example/detect-image.cpp)
		target_link_libraries(detect-image-demo ${fdt_lib_name} ${OpenCV_LIBS} ${Png_LIBS} ${Jpeg_LIBS} ${Zlib_LIBS})

		#add_executable(detect-camera-demo ${fdt_base_dir}/example/detect-camera.cpp)
		#target_link_libraries(detect-camera-demo ${fdt_lib_name} ${OpenCV_LIBS})
 
		#add_executable(benchmark ${fdt_base_dir}/example/benchmark.cpp)
		#target_link_libraries(benchmark ${fdt_lib_name} ${OpenCV_LIBS})
	else()
	    find_package(OpenCV REQUIRED)
		include_directories(${OpenCV_INCLUDE_DIRS})

		add_executable(detect-image-demo ${fdt_base_dir}/example/detect-image.cpp)
		target_link_libraries(detect-image-demo ${fdt_lib_name} ${OpenCV_LIBS})

		add_executable(detect-camera-demo ${fdt_base_dir}/example/detect-camera.cpp)
		target_link_libraries(detect-camera-demo ${fdt_lib_name} ${OpenCV_LIBS})
 
		add_executable(benchmark ${fdt_base_dir}/example/benchmark.cpp)
		target_link_libraries(benchmark ${fdt_lib_name} ${OpenCV_LIBS})
	endif()
endif()

3 hi3559A交叉编译

cmake  -DCMAKE_INSTALL_PREFIX=install -DENABLE_NEON=ON  -DENABLE_AVX2=OFF - DCMAKE_BUILD_TYPE=RELEASE -DBUILD_SHARED_LIBS=ON -DDEMO=ON -DARM_PLATFORM=ON -DCMAKE_TOOLCHAIN_FILE=../aarch64-toolchain.cmake ../

4 cpu推理时间

图片大小：1024*576

intel i7-7700K：70-90ms

hi3559a：1~1.5s，开启neon和不开启时间差不多，好像不开速度更快些

5 总结

总体来说，纯cpu跑的效果并不理想，由于时间关系笔者没有用多线程验证，但是于老师的开源项目还是非常nice，源代码很值得研究，对于理解深度学习和卷积非常有帮助。