NVIDIA JETSON TX2上运行yolo3

以下为我参考JK Jung’s blog YOLOv3 on Jetson TX2在自己的TX2上测试yolo v3的过程。

0 刷机安装JetPack-3.2

1 安装opencv3.4.0(因为目前安装的3.4.1不能跑yolo)

• Step1 Remove all old opencv stuffs installed bt JetPack

    $ sudo apt-get purge libopencv*

• Step2 换到最新的numpy,因此要删掉老的numpy
• Step3

     $ sudo apt-get update
     $ sudo apt-get dist-upgrade

2.安装Yolo3

• Step1 下载源代码

   $ git clone https://github.com/pjreddie/darknet yolo3
   $ cd yolo3

• Step2 直接编译,此时是只使用CPU

   $ make

• Step3 下载预训练模型

   $  wget https://pjreddie.com/media/files/yolov3.weights

• Step4 运行代码,检测示例图片

   $ ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

格式： ./darknet detect .cfg 预训练权重 预测权重

以上出现问题,代码被kill,原因是TX2内存溢出,因此对Step2进行修改,开启GPU

• Step2+：

   $ vim Makefile

修改为：

   GPU=1 #开启GPU
   CUDNN=1 #
   OPENCV=1 #开启Opencv

然后重新编译:

   $ make

修改后仍溢出内存,发现是batch size太大了,不适合在TX2上跑,因此修改yolov3/cfg/yolov3.cfg文件,将Training注释掉,改Testing的batch为1,即:

# Testing
batch=1
subdivisions=1
# Training
#batch=64
#subdivisions=16

重新编译成功！

成功！平均每张0.5s左右

三、跑Yolo于图片小tips

1. 检测指定路径的图像

 $ ./darknet detect cfg/yolov3.cfg yolov3.weights

会输出：Enter Image Path:
2.改变阈值：
By default, YOLO only displays objects detected with a confidence of .25
or higher. You can change this by passing the -thresh flag to the yolo command.
For example, to display all detection you can set the threshold to 0:

$ ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg -thresh 0

3. Tiny YOLOv3
在保证精度不损失太多的前提下,有个轻量级的网络—— yolov3-tiny.

• Step1:下载权重

$ wget https://pjreddie.com/media/files/yolov3-tiny.weights

• Step2:跑起来！

$ ./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg

这是个轻量级的网络,因此耗时较短:0.034424s

4. 使用摄像头

• Step1: 首先需要编译 Darknet with CUDA and OpenCV.
  其实我们已经编译过了
• Step2: 运行代码

$ ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights

报错：

Couldn't connect to wecam.
Resource temporarily unavaliable
YOLO will display the current FPS and predicted classes as well as the image with bounding boxes drawn on top of it.

原因是OPENCV默认采用0号摄像头，TX2的0号摄像头是板子上自带的板上摄像头，而我们的usb摄像头是1号，故使用如下代码，解决了问题：

$  ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -c 1//使用1号摄像头