Yolo 的简化转换
最后更新
关于
示例
YoloV6n R4 以及如何在 OAK 设备上运行编译后的模型。- 首先,我们将下载模型的权重。您可以从 这里 下载。
- 在您选择的浏览器中打开 工具。然后上传下载的
yolov6n.pt权重,并将Input image shape设置为640 352(我们选择此输入图像形状是因为宽高比接近 16:9,并且吞吐量和延迟仍然不错)。其余选项保持不变。
- 点击
Submit按钮。模型将自动转换并下载到一个 zip 文件夹中(该 zip 文件夹将包含一个转换后的 blob 文件、JSON 文件以及用于生成输出 blob 文件的中间表示)。 - 要运行导出的模型,我们将使用 OAK 示例。我们将首先克隆存储库并安装
gen2-yolo/device-decoding应用程序所需的包。
Command Line
1git clone https://github.com/luxonis/oak-examples.git
2cd oak-examples
3git switch master
4cd gen2-yolo/device-decoding
5python3 -m pip install -r requirements.txt- 将
result.zip中的导出模型文件解压到应用程序的model文件夹中,然后运行以下命令来运行应用程序。
Command Line
1python3 main.py --config model/yolov6n.json工具选项
Yolo Version- 必填,应使用哪个 Yolo 版本转换。工具内部集成了自动 Yolo 版本检测器,当您上传模型权重时,它将自动检测 Yolo 版本并进行设置。RVC2 or RVC3- 必填,目标设备的 Robotics Vision Core 代数。File- 必填,预训练模型的权重(.pt 文件),大小需要小于 300Mb。Input image shape- 必填,方形输入图像形状的整数,或用空格分隔的宽度和高度。它必须能被 32(或 64,取决于步幅)整除。Shaves- 可选,默认值为 6。使用的 shaves 数量。要了解有关 shaves 的更多信息,请参阅 此处。Use OpenVINO 2021.4- 可选,默认值为 true。此复选框控制在编译为 IR 期间是否使用旧版前端标志。如果关闭,则默认为 OpenVINO 2022.1。2022.1 性能略有下降。因此,我们建议将其设置为 true。