中文|English

YOLOv4 TensorFlow离线推理

此链接提供YOLOv4 TensorFlow模型在NPU上离线推理的脚本和方法

注意

此案例仅为您学习Ascend软件栈提供参考，不用于商业目的。

在开始之前，请注意以下适配条件。如果不匹配，可能导致运行失败。

快速指南

1. 拷贝代码

git clone https://gitee.com/ascend/ModelZoo-TensorFlow.git
cd Modelzoo-TensorFlow/ACL_TensorFlow/built-in/cv/YOLOv4_for_ACL

2. 下载数据集和预处理

1. 自行下载COCO-2017验证数据集。

2. 将图片放到 'scripts/val2017'

3. 图像预处理:

cd scripts
mkdir input_bins
python3 preprocess.py ./val2017/ ./input_bins/

The pictures will be preprocessed to bin files.

4. Split ground-truth labels from instances_val2017.json

python3 load_coco_json.py

3. 离线推理

离线模型转换

• 环境变量设置

  请参考说明，设置环境变量

• Pb模型转换为om模型

  pb模型下载链接

  atc --model=yolov4_tf.pb --framework=3 --output=yolov4_tf_1batch --output_type=FP32 --soc_version=Ascend310 --input_shape="x:1,416,416,3" --log=info
  

• 编译程序

  bash build.sh
  

• 开始运行:

  cd scripts
  bash benchmark_tf.sh
  

推理结果

结果

本结果是通过运行上面适配的推理脚本获得的。要获得相同的结果，请按照《快速指南》中的步骤操作。

推理精度结果

参考

[1] https://github.com/hunglc007/tensorflow-yolov4-tflite

[2] https://github.com/rafaelpadilla/Object-Detection-Metrics