AI老铁 · 2020年07月17日

海思AI芯片(Hi3519A/3559A)(十三)在hi3519A ARM上运行yolov3模型

前段时间调通了nnie上运行 yolo3模型(darknet->caffe model->wk),但发现精度掉的很厉害,小目标检测根本就不行了(后注:后来发现参数设置有些问题,其实精度不会掉很多,就是比较敏感,容易误识别,但得分不高,所以可以通过提高置信度阈值来解决)。因为我们项目对实时性要求不苛刻,所以转而想直接在arm上运行darknet weights。

本系列为华为海思海思AI芯片(Hi3519A/3559A)方案学习系列之十三,系列文章请见底部。
作者:ltshan139

运行yolo3 完整版模型失败

由于有了系列(十二)移植opencv343到hi3519A的基础,所以很快就用下面命令行对cpu+opencv4.0.1上直接运行yolov3模型中的源代码进行编译。
1.png

可是执行时,却遇到下面这个问题。初步分析是因为yolov3得weights有240MB左右,在arm平台上malloc这么大一个mat会失败。
2.png

运行yolo3-tiny模型太慢

改成加载yolov3-tiny.weights,同时使用yolov3-tiny.cfg以及yolov3-tiny.names(一共80个类),并将network size在代码里面改成416 x 416,是可以成功运行yolo3-tiny模型的,但是推理时间要2分钟左右。而且准确度不高,如下图所示,自行车没有识别出来,而且卡车识别成两个了。
3.png

小结

目前来看,在arm cpu平台上直接推理yolo3模型不是很顺利,还需要花费比较大的精力来优化。

版权声明:本文为CSDN博主「ltshan139」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/avideointerfaces/article/details/89478779



海思AI芯片系列文章



更多海思AI芯片方案学习笔记欢迎关注海思AI芯片方案学习

推荐阅读
关注数
867
内容数
40
海思AI芯片(Hi3519A/3559A)方案学习系列笔记,欢迎关注。
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息