Jetson Nano 2GB系列文章(17):更换模型得到不同效果

来源:业界供稿    2021-06-01 09:42:25

关键字: Jetson Nano

在上一篇文章中,我们已经体验了”10行Python代码的威力”,可以明显感觉到 ”Hello AI World”的内容绝非一般应用的“Hello World”那么简单。在本篇文章中,我们将为大家介绍如何更换模型以获得不同的效果。

在上一篇文章中,我们已经体验了”10Python代码的威力”,可以明显感觉到 ”Hello AI World”的内容绝非一般应用的“Hello World”那么简单。在本篇文章中,我们将为大家介绍如何更换模型以获得不同的效果。

当然,这个项目有一个特色,那就是它非常有效地利用了“预训练模型”!事实上,在深度学习应用过程中,“训练模型”是需要耗费相当大量的时间与计算资源的,这个过程对于初学者来说难度非常高,因此想要让初学者轻松上手,就必须提供“最简单”、“最有效”的入门方式,“支持预训练模型”就是一种非常好的方法。

看一下上一篇“10lines.py”里的第5行代码:

 

5

net = jetson.inference.detectNet("ssd-mobilenet-v2", threshold=0.5)

 

我们只要将粗体底线的“ssd-mobilenet-v2部分进行置换,就能调用不同的预训练模型,去改变您想要检测的类型结果。这些预训练模型的来源主要有二:

  • 本系统预建立的支持:

在前面“项目安装”一文中,执行过程的“Download Models”部分就是下载这些预训练模型以及所需要的配套文件,下载脚步会将这些文件放置到对应的路径中,并且在C++主代码内已经做好设置。这是本文所要说明的内容。

  • 自行添加:

这个部分由于牵涉更多的设定,因此会在后面的文章中进行说明。本系统已建立的模型列表如下图:

Jetson Nano 2GB系列文章(17):更换模型得到不同效果

上面的模型,都是由NVIDIA为大家用高性能级别的GPU服务器,耗费数天时间所训练出来的模型,效果与质量都是很好的。前面三种都是以91类的COCO数据集训练出来的物件检测模型,三种模型直接的差异主要在性能与置信度之间。后面7种模型都是“单类”模型,它们均只能识别一种物件,我们可以对同一个视频去改变不同的模型,看看输出的结果如何,就能清楚“更换模型去改变功能”这句话的意思。

上表中与代码有关系的是第二行“CLI argument”,也就是我们只要将前面指令中的粗体底线(“ssd-mobilenet-v2”)进行置换,例如调用ped-100这个模型,就只能检测“pedestrians (行人)”这类物件,请将模型代码部分改成“pednet”,如此第5行内容就变成:

 

5

net = jetson.inference.detectNet("pednet", threshold=0.5)

 

如果只想检测“dog(狗)”的话,就将模型代号改为“coco-dog”,去调用DetectNet-COCO-Dog这个预训练的模型,代码如下:

 

5

net = jetson.inference.detectNet("coco-dog", threshold=0.5)

 

这么轻松的方式,就能改变调用的模型,去得到不同的结果。

为了更有效地体验不同模型的识别效果,我们用视频文件作为输入源,就更容易感受到它们之间差异,这里用系统自带的 /usr/share/visionworks/sources/data/pedestrians.mp4作为输入源,以此将10lines.py代码修改成如下:

 

 

 

 

1

2

3

 

4

5

 

6

7

8

9

10

import jetson.utils

input  = jetson.utils.videoSource(

"/usr/share/visionworks/sources/data/pedestrians.mp4")

output = jetson.utils.videoOutput("display://0")

 

import jetson.inference

net = jetson.inference.detectNet("pednet", threshold=0.5)

 

while output.IsStreaming():

       img = input.Capture()

       detections = net.Detect(img)

       output.Render(img)

       output.SetStatus("Performance {:.0f}FPS".format(net.GetNetworkFPS()))

 

 

 

Jetson Nano 2GB系列文章(17):更换模型得到不同效果

(使用ped-100模型,只检测出“Pededtrians(行人)”物件)

 

 

Jetson Nano 2GB系列文章(17):更换模型得到不同效果

使用DetectNet-COCO-Dog模型,只检测出 “Dog(狗)物件

 

如何,是不是很简单呢?请自行尝试更换其他的模型,当然也可以将输入源改成摄像头,用你周遭的物体来试试效果。

最后,我们来看一个预训练好的模型,以系统预设的SSD-Mobilenet-v2为例,主要文件存放在

/jetson-inference/data/networks/SSD-Mobilenet-v2里面,浏览一下里面的内容:

 

1

  • ls -l ~/jetson-inference/data/networks/SSD-Mobilenet-v2

 

可以看到以下的列表:

 

Jetson Nano 2GB系列文章(17):更换模型得到不同效果

 

第一个“ssd_coco_labels.txt”存放着这个模型的类别名称,您可以打开看看。

第二个“ssd_mobilenet_v2_coco.uff”就是预训练好的模型文件,附加文件名为.uff的通常是Tensorflow训练的模型,再转换过来的中间格式。

第三个文件的末尾附加名“.GPU.FP16.engine”代表是TensorRT所建立的加速引擎,支持GPUFP16格式。

如果检查ped-100模型的话,会看到不一样的内容,执行以下指令:

 

1

  • ls -l ~/jetson-inference/data/networks/ped-100

 

可以看到以下的列表,这样的内容肯定就是由Caffe框架训练出来的模型。

 

Jetson Nano 2GB系列文章(17):更换模型得到不同效果

    扫一扫

    分享文章到微信


    北京第二十六维信息技术有限公司(至顶网)版权所有. 京ICP备15039648号-7 京ICP证161336号京公网安备 11010802021500号
    举报电话:010-62641205-5060 举报邮箱:jubao@zhiding.cn 安全联盟认证