• 基于Tensorrtx 实现 darknet Yolov4-tiny 模型


    在这里插入图片描述

    本文内容都是基于wang-xinyutjuskyzhangWongKinYiu 大佬们的基础上改造的。

    yolov4-tiny.cfg 🚀
    1. AlexeyAB 和 WongKinYiu 唯一不同在于 route 层, AlexeyAB 采用的是 groups 和 group_id 的方式,而 WongKinYiu 采用的是 route_lhalf 的方式。
    	[route]
    	layers=-1 # 切分上一层
    	groups=2  # 切分成两组
    	group_id=1 # 取第几组数据
    		
    	[route_lhalf]
    	layers=-1
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7

    生成wts 🙄
    1. 如何生成 wts , 参考:https://github.com/wang-xinyu/tensorrtx/tree/master/scaled-yolov4

    2. 如果使用 WongKinYiu 的模型,则无需更改。如果使用AlexeyAB模型,则需要将models.py内容改动下.

    elif mdef['type'] == 'route':  # nn.Sequential() placeholder for 'route' layer
         layers = mdef['layers']
         if mdef.__contains__("groups") and  mdef['groups'] == 2:
            filters = sum([output_filters[l + 1 if l > 0 else l] for l in layers]) // 2
            routs.extend([i + l if l < 0 else l for l in layers])
            modules = FeatureConcat_l(layers=layers)
         else:
            filters = sum([output_filters[l + 1 if l > 0 else l] for l in layers])
            routs.extend([i + l if l < 0 else l for l in layers])
            modules = FeatureConcat(layers=layers)
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    生成engine 🎅​
    1. 生成 engine,参考: https://github.com/tjuskyzhang/Scaled-YOLOv4-TensorRT

    2. 如果使用 WongKinYiu 的模型,则无需更改,直接生成即可。

    3. 如果使用 AlexeyAB 的模型,则需要将 yolov4-tiny.cpp route层改下, 因为 AlexeyAB 采用的是 groups 和 groups_id 方式,group_id 我理解应该是从下标0开始,groups_id=1, 代表后一组数据。在网上查,有博主说是按分组的倒序取值 ,具体可参考: https://blog.csdn.net/YMilton/article/details/118338422 这里如果取第一组,则最后没有输出结果。(坑了我好久.)

    //ISliceLayer* l3= network->addSlice(*l2->getOutput(0),Dims3{0,0,0},Dims3{32, INPUT_W / 4, INPUT_H / 4},Dims3{1,1,1});
    ISliceLayer* l3 = network->addSlice(*l2->getOutput(0), Dims3{ 32,0,0 }, Dims3{ 32, INPUT_W / 4, INPUT_H / 4 }, Dims3{1,1,1});
    
    //ISliceLayer* l11= network->addSlice(*l10->getOutput(0),Dims3{0,0,0},Dims3{64,INPUT_W / 8, INPUT_H / 8},Dims3{1,1,1});
    ISliceLayer* l11 = network->addSlice(*l10->getOutput(0), Dims3{ 64,0,0 }, Dims3{ 64,INPUT_W / 8, INPUT_H / 8 }, Dims3{ 1,1,1 });
    
    //ISliceLayer* l19= network->addSlice(*l18->getOutput(0),Dims3{0,0,0},Dims3{128,INPUT_W / 16, INPUT_H / 16},Dims3{1,1,1});
    ISliceLayer* l19 = network->addSlice(*l18->getOutput(0), Dims3{ 128,0,0 }, Dims3{ 128,INPUT_W / 16, INPUT_H / 16 }, Dims3{ 1,1,1 }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    END
    1. 以上内容都是基于大佬们的基础上改造的,抱拳了。
    2. 内容都是经过本人真实有效验证过的,有兴趣的童鞋,可以参考参考。
      在这里插入图片描述
  • 相关阅读:
    Swift学习笔记四(function 篇)
    Python迭代器和生成器
    关于数据权限的设计
    Nginx 配置 HTTPS 过程(+反向代理)
    0基础,跟我一起学python--基础篇(3)
    基于CycleGAN的山水风格画迁移
    机器学习01
    (附源码)springboot托育教案系统 毕业设计 224545
    一个妹子的考研倒计时一百天
    SpringCloud Gateway网关梳理
  • 原文地址:https://blog.csdn.net/haiyangyunbao813/article/details/126551568