基于设备上解码的 Yolo 检测

该存储库 ( 修改自 device-decoding) 包含直接使用 DepthAI SDK (main_sdk.py) 或 DepthAI API (main_api.py) 在设备上解码运行 Yolo 目标检测的代码。目前，支持的版本有：

• YoloV3 & YoloV3-tiny,
• YoloV4 & YoloV4-tiny,
• YoloV5,
• YoloV6,
• YoloV7,
• YoloV8,
• YoloV9,
• YoloV10 。

我们在 main_sdk_v*.py(不推荐) 和 main_api.py 中使用相同样式的 JSON 解析，但您也可以在代码中手动设置这两种情况下的值。

导出模型

由于模型必须以某种方式导出转换到 OpenVINO IR，我们提供了关于训练和导出的教程：

• YoloV3, YoloV4, 和它们的 tiny 版本：

  • 训练：
    • YoloV3_V4_tiny_training.ipynb
    • https://github.com/AlexeyAB/darknet
  • 导出转换：
    • https://github.com/luxonis/yolo2openvino

• YoloV5, YoloV6, 和 YoloV7 ：

  • 训练可参考原始仓库：
    • YoloV5,
    • YoloV6,
    • YoloV7
    • YoloV8,
    • YoloV9, YoloV9_ultralytics,
    • YoloV10,
    • YoloV5_training.ipynb
    • YoloV6_training.ipynb
    • YoloV7_training.ipynb
    • YoloV8_training.ipynb
  • 导出转换：
    • https://tools.luxonis.com/ 网页在线转换，
    • 参考 https://github.com/luxonis/tools/tree/master/yolo 和 https://github.com/luxonis/tools/tree/master/yolov7 进行本地转换
    • OAK 相机如何将 YOLO 系列模型转换成 blob 格式？

用法

::: mkdocs-typer :module: depthai_yolo.cli :command: app :prog_name: depthai_yolo :depth: 4

用法 1: 模块安装

1. 安装

   python3 -m pip install .

2. 运行

   可以使用 download_models 下载全部预定义模型

   python3 -m depthai_yolo.download_models
   # 或
   python3 -m depthai_yolo --download
   # 或
   depthai_yolo --download

   python3 -m depthai_yolo oak -m model_name -c config_json
   # 或
   depthai_yolo api -m model_name -c config_json

   若使用 OAK_D_SR 请运行

   python3 -m depthai_yolo sr -m model_name -c config_json
   # 或
   depthai_yolo sr -m model_name -c config_json

   若使用 OAK_D_LR 请运行

   python3 -m depthai_yolo lr -m model_name -c config_json
   # 或
   depthai_yolo lr -m model_name -c config_json

用法 2: 源码运行

1. 安装依赖

   python3 -m pip install -r requirements.txt

   若使用 SDK 请运行

   python3 -m pip install -r requirements-sdk.txt

2. 运行脚本

   可以使用 download_models.py 脚本下载预定义模型

   python3 -m src/depthai_yolo/download_models.py
   # 或
   python3 run.py --download

   python3 run.py oak -m model_name -c config_json

   若使用 OAK_D_SR 请运行

     python3 run.py sr -m model_name -c config_json

   若使用 OAK_D_LR 请运行

     python3 run.py lr -m model_name -c config_json
   ``

用法 3: SDK (不推荐)

1. 安装依赖

   python3 -m pip install -r sdk_scripts/requirements-sdk.txt

2. 运行脚本

   python3 sdk_scripts/main_sdk_v1.2.py -m model_name -c config_json

   python3 sdk_scripts/main_sdk_v1.9.py -conf config_json

注意：

• model_name 是来自 DepthAI 模型库 (https://zoo.luxonis.com) 的模型名称或 blob 文件的相对路径。 请查看我们的模型库以查看可用的预训练模型，或使用 -ls/--list_models 参数查看可用模型。
• config_json 是带有 Yolo 模型元数据（输入形状、锚点、标签等）的 JSON 的相对路径。

JSONs

我们已经为常见的 Yolo 版本提供了一些 JSON。您可以编辑它们并为您的模型设置它们，如上述教程中的后续步骤部分所述。如果您要更改教程中的某些参数，则应编辑相应的参数。一般来说，JSON 中的设置应该遵循模型的 CFG 中的设置。对于 YoloV5，默认设置应与 YoloV3 相同。

Note：值必须与训练期间在 CFG 中设置的值相匹配。如果您使用不同的输入宽度，您还应该将 side32 更改为 sideX 并将 side16 更改为 sideY，其中 X = width16 和 Y = width32。如果您使用的是非微型模型，则这些值为 width8、width16 和 width32。

您还可以更改 IOU 和置信度阈值。如果多次检测到同一个目标，则增加 IOU 阈值。如果没有检测到足够的目标，则降低置信度阈值。请注意，这不会神奇地改善您的目标检测器，但如果某些目标由于阈值太高而被过滤掉，则可能会有所帮助。

Depth 信息

DepthAI 使您能够利用深度信息并获取检测到的对象的 x、y 和 z 坐标。

python3 run.py api -m model_name -c config_json --spatial

或者

python3 main_sdk_v1.2.py -m model_name -c config_json --spatial

python3 main_sdk_v1.9.py -conf config_json --spatial

如果您对使用 Yolo 检测器的深度信息感兴趣， 请查看我们的 文档。