【项目--Hi3559A】如何在Hi3559A上运行自己的yolov3模型(修改类别、网络结构)

简介: 【项目--Hi3559A】如何在Hi3559A上运行自己的yolov3模型(修改类别、网络结构)

一、前言

  • 使用的SDK版本是030,板子与虚拟机Linux系统之间已进行了nfs挂载。

PS:吐槽一句,这海思的sample代码写的极其不人性化,许多需要修改的参数没有写在一个地方,其中一个参数一直报段错误,使团队卡了两天······

遇到问题不要慌,使劲撸源码就对了,指不定就是源码哪个地方华为将代码给写死了,“华为海思天下第一”

二、Sample代码调用分析

  • 首先是函数入口源文件,sample_nnie_main.c,它会根据所输入命令行选择执行的操作,控制台输入:./sammple nnie
    main 可见输入选项:


选择Yolov3,会进入sammple_nnie.c 中的SAMPLE_SVP_NNIE_Yolov3,其中可以配置加载模型与图片文件的顺序(在实际工程应用中这个部分需要重构,将图片数据通过指针直接传递过来,而不是利用图片进行数据读取<总不能前一个阶段保存图片,后一阶段再来读图片吧?>):

2020072910164680.png

而后分别调用:

SAMPLE_COMM_SVP_CheckSysInit();

SAMPLE_COMM_SVP_NNIE_LoadModel();

SAMPLE_SVP_NNIE_Yolov3_ParamInit();

SAMPLE_SVP_NNIE_FillSrcData();

SAMPLE_SVP_NNIE_Forward();

SAMPLE_SVP_NNIE_Yolov3_GetResult;

SAMPLE_SVP_NNIE_Detection_PrintResult()

依次是系统初始化、NNie加载模型、参数初始化、读取数据、前向推导、获取结果、结果打印。

至此,yolov3例程的函数调用基本言


使用的SDK版本是030,板子与虚拟机Linux系统之间已进行了nfs挂载。 PS:吐槽一句,这海思的sample代码写的极其不人性化,许多需要修改的参数没有写在一个地方,其中一个参数一直报段错误,使团队卡了两天······ 遇到问题不要慌,使劲撸源码就对了,指不定就是源码哪个地方华为将代码给写死了,“华为海思天下第一”二、Sample代码调用分析 - 首先是函数入口源文件,sample_nnie_main.c,它会根据所输入命令行选择执行的操作,控制台输入:./sammple nnie main 可见输入选项: -

20200729101205819.png

选择Yolov3,会进入sammple_nnie.c 中的SAMPLE_SVP_NNIE_Yolov3,其中可以配置加载模型与图片文件的顺序(在实际工程应用中这个部分需要重构,将图片数据通过指针直接传递过来,而不是利用图片进行数据读取<总不能前一个阶段保存图片,后一阶段再来读图片吧?>): - 

2020072910164680.png

- 而后分别调用: SAMPLE_COMM_SVP_CheckSysInit(); SAMPLE_COMM_SVP_NNIE_LoadModel(); SAMPLE_SVP_NNIE_Yolov3_ParamInit(); SAMPLE_SVP_NNIE_FillSrcData(); SAMPLE_SVP_NNIE_Forward(); SAMPLE_SVP_NNIE_Yolov3_GetResult; SAMPLE_SVP_NNIE_Detection_PrintResult() 依次是系统初始化、NNie加载模型、参数初始化、读取数据、前向推导、获取结果、结果打印。 至此,yolov3例程的函数调用基本讲解完毕。


三、修改相关参数

在运行自己网络的时候需要修改的几个地方:

模型文件地址 以及测试图片;

f32PrintResultThresh 这是最终的打印结果阈值,只有大于这个阈值才会进行结果的输出;

sample_nnie.c的SAMPLE_SVP_NNIE_Yolov3_SoftwareInit中,修改类别数u32ClassNum=你检测的目标数+1,比如你只检测人脸,则这里写2;

之后的pstSoftWareParam->u32NmsThresh = (HI_U32)(0.15fSAMPLE_SVP_NNIE_QUANT_BASE);

pstSoftWareParam->u32ConfThresh = (HI_U32)(0.2fSAMPLE_SVP_NNIE_QUANT_BASE);是设置nms阈值以及结果阈值的,根据情况进行调整;

重点:sample_svp_nnie_software.h中的SAMPLE_SVP_NNIE_YOLOV3_EACH_BBOX_INFER_RESULT_NUM 原值是85这是原版yolov3检测80类时定下的(居然写在这坑人),若不根据修改后的网络检测类别进行调整,会报段错误。应改为:5+你检测的目标类别数,如检测人脸则应改为6.

“本站所有文章均为原创,欢迎转载,请注明文章出处:https://blog.csdn.net/ll15982534415/article/details/107516264。百度和各类采集站皆不可信,搜索请谨慎鉴别。技术类文章一般都有时效性,本人习惯不定期对自己的博文进行修正和更新,因此请访问出处以查看本文的最新版本。”

原版:2020/7/29

相关文章
|
2月前
|
安全 虚拟化
在数字化时代,网络项目的重要性日益凸显。本文从前期准备、方案内容和注意事项三个方面,详细解析了如何撰写一个优质高效的网络项目实施方案,帮助企业和用户实现更好的体验和竞争力
在数字化时代,网络项目的重要性日益凸显。本文从前期准备、方案内容和注意事项三个方面,详细解析了如何撰写一个优质高效的网络项目实施方案,帮助企业和用户实现更好的体验和竞争力。通过具体案例,展示了方案的制定和实施过程,强调了目标明确、技术先进、计划周密、风险可控和预算合理的重要性。
48 5
|
19天前
|
网络协议 安全 网络安全
探索网络模型与协议:从OSI到HTTPs的原理解析
OSI七层网络模型和TCP/IP四层模型是理解和设计计算机网络的框架。OSI模型包括物理层、数据链路层、网络层、传输层、会话层、表示层和应用层,而TCP/IP模型则简化为链路层、网络层、传输层和 HTTPS协议基于HTTP并通过TLS/SSL加密数据,确保安全传输。其连接过程涉及TCP三次握手、SSL证书验证、对称密钥交换等步骤,以保障通信的安全性和完整性。数字信封技术使用非对称加密和数字证书确保数据的机密性和身份认证。 浏览器通过Https访问网站的过程包括输入网址、DNS解析、建立TCP连接、发送HTTPS请求、接收响应、验证证书和解析网页内容等步骤,确保用户与服务器之间的安全通信。
75 1
|
23天前
|
数据采集 监控 安全
公司网络监控软件:Zig 语言底层优化保障系统高性能运行
在数字化时代,Zig 语言凭借出色的底层控制能力和高性能特性,为公司网络监控软件的优化提供了有力支持。从数据采集、连接管理到数据分析,Zig 语言确保系统高效稳定运行,精准处理海量网络数据,保障企业信息安全与业务连续性。
40 4
|
24天前
|
监控 安全 BI
什么是零信任模型?如何实施以保证网络安全?
随着数字化转型,网络边界不断变化,组织需采用新的安全方法。零信任基于“永不信任,永远验证”原则,强调无论内外部,任何用户、设备或网络都不可信任。该模型包括微分段、多因素身份验证、单点登录、最小特权原则、持续监控和审核用户活动、监控设备等核心准则,以实现强大的网络安全态势。
110 2
|
2月前
|
机器学习/深度学习 自然语言处理 语音技术
Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧
本文介绍了Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧,并通过TensorFlow和PyTorch等库展示了实现神经网络的具体示例,涵盖图像识别、语音识别等多个应用场景。
84 8
|
2月前
|
存储 网络协议 安全
30 道初级网络工程师面试题,涵盖 OSI 模型、TCP/IP 协议栈、IP 地址、子网掩码、VLAN、STP、DHCP、DNS、防火墙、NAT、VPN 等基础知识和技术,帮助小白们充分准备面试,顺利踏入职场
本文精选了 30 道初级网络工程师面试题,涵盖 OSI 模型、TCP/IP 协议栈、IP 地址、子网掩码、VLAN、STP、DHCP、DNS、防火墙、NAT、VPN 等基础知识和技术,帮助小白们充分准备面试,顺利踏入职场。
118 2
|
2月前
|
运维 网络协议 算法
7 层 OSI 参考模型:详解网络通信的层次结构
7 层 OSI 参考模型:详解网络通信的层次结构
392 1
|
2月前
|
机器学习/深度学习 自然语言处理 前端开发
前端神经网络入门:Brain.js - 详细介绍和对比不同的实现 - CNN、RNN、DNN、FFNN -无需准备环境打开浏览器即可测试运行-支持WebGPU加速
本文介绍了如何使用 JavaScript 神经网络库 **Brain.js** 实现不同类型的神经网络,包括前馈神经网络(FFNN)、深度神经网络(DNN)和循环神经网络(RNN)。通过简单的示例和代码,帮助前端开发者快速入门并理解神经网络的基本概念。文章还对比了各类神经网络的特点和适用场景,并简要介绍了卷积神经网络(CNN)的替代方案。
238 1
|
2月前
|
网络协议 算法 网络性能优化
计算机网络常见面试题(一):TCP/IP五层模型、TCP三次握手、四次挥手,TCP传输可靠性保障、ARQ协议
计算机网络常见面试题(一):TCP/IP五层模型、应用层常见的协议、TCP与UDP的区别,TCP三次握手、四次挥手,TCP传输可靠性保障、ARQ协议、ARP协议
|
2月前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
104 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型