devbox
IT小白
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（8）_海思ss928 摄像头yolo实时检测

作者：IT小白 | 2024-06-15 22:17:23

赞

踩

海思ss928 摄像头yolo实时检测

配置好环境的虚拟机，需要可私信联系。

SD3403/SS928/926  SDK环境虚拟机160G 移动硬盘，可直接拷贝到本地VMware直接打开
SD3403/SS928/926 模型转换虚拟机160G 移动硬盘，可直接拷贝到本地VMware直接打开

Hi3516dv500/Hi3519DV500 

SDK环境虚拟机

160G 移动硬盘，可直接拷贝到本地VMware直接打开

Hi3516dv500/Hi3519DV500 

模型转换虚拟机

160G 移动硬盘，可直接拷贝到本地VMware直接打开

目前为止yolov7算法在海思hi3519dv500.3516dv500下的移植已经说完了，后面开始讲 yolov8的移植。过程基本上是一样的，只是在训练和转换过程中会和yolov7有区别。

  本章先说一下训练的部分。

1.库依赖

我这里使用的python3.8

yolov8可以直接通过从PyPI安装ultralytics包

pip install ultralytics

Ultralytics requirements里有说明需要哪些环境配置，这里列出来，请仔细对照，建议是手动安装，避免别的应用环境之间有冲突。

  1. Example: pip install -r requirements.txt
  2.  
  3. Base ----------------------------------------
  4.  
  5. matplotlib>=3.3.0
  6.  
  7. numpy>=1.22.2 # pinned by Snyk to avoid a vulnerability 1.19.5--->1.24.4
  8.  
  9. opencv-python>=4.6.0
  10.  
  11. pillow>=7.1.2
  12.  
  13. pyyaml>=5.3.1
  14.  
  15. requests>=2.23.0 
  16.  
  17. scipy>=1.4.1 
  18.  
  19. torch>=1.8.0
  20.  
  21. torchvision>=0.9.0 
  22.  
  23. tqdm>=4.64.0
  24.  
  25. Logging -------------------------------------
  26.  
  27. tensorboard>=2.13.0 
  28.  
  29. dvclive>=2.12.0 
  30.  
  31. clearml 
  32.  
  33. comet 
  34.  
  35. Plotting ------------------------------------
  36.  
  37. pandas>=1.1.4 
  38.  
  39. seaborn>=0.11.0 
  40.  
  41. Export --------------------------------------
  42.  
  43. coremltools>=7.0 # CoreML export
  44.  
  45. onnx>=1.12.0 # ONNX export 
  46.  
  47. onnxsim>=0.4.1 # ONNX simplifier
  48.  
  49. nvidia-pyindex # TensorRT export
  50.  
  51. nvidia-tensorrt # TensorRT export
  52.  
  53. scikit-learn==0.19.2 # CoreML quantization
  54.  
  55. tensorflow>=2.4.1 # TF exports (-cpu, -aarch64, -macos)
  56.  
  57. tflite-support
  58.  
  59. tensorflowjs>=3.9.0 # TF.js export
  60.  
  61. openvino-dev>=2023.0 # OpenVINO export
  62.  
  63. Extras --------------------------------------
  64.  
  65. psutil # system utilization 5.9.0
  66.  
  67. py-cpuinfo # display CPU info none
  68.  
  69. thop>=0.1.1 # FLOPs computation 0.1.1
  70.  
  71. ipython # interactive notebook 8.8.0
  72.  
  73. albumentations>=1.0.3 # training augmentations 1.3.0
  74.  
  75. pycocotools>=2.0.6 # COCO mAP 2.0.6
  76.  
  77. roboflow none

这里logging部分和extras部分我都没有装， 如果需要可以自行安装。不影响训练。

2.训练前准备

2.1 数据集准备

按正确的文件夹结构排列您的数据集。您应该有 train/ 和 val/ 顶级目录，在每个目录内，有 images/ 和 labels/ 子目录。

1）数据JPEGIamges和Annotations放置到 data/***/VOCdevkit/VOC2007/ 中

2）两个运行程序放置到data/***/中，修改yolov8_s1_xml2txt.py中的目标类型。

3）运行yolov8_s1_xml2txt.py和yolov8_s2_split_data.py

4）数据yaml写到data文件夹下

  1. train: /home/littro/darknet/data/vsc/images/train # train images 
  2. val: /home/littro/darknet/data/vsc/images/val # val images 
  3. test: /home/littro/darknet/data/vsc/images/test # test images 
  4.  
  5. # Classes 
  6. names: 0: person 1: car

5）模型文件放到model文件夹下，用预训练模型

模型yaml网络文件也放置到这个文件中。

  1. # Ultralytics YOLO 
    声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/IT小白/article/detail/724064
    推荐阅读
    相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。