中文|English

CenterNet Tensorflow离线推理

此链接提供CenterNet 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/contrib/cv/CenterNet_for_ACL

2. 下载数据集和预处理

1. 请自行下载VOC2007测试数据集，然后解压成VOCtest_06-NOV-2007.tar.

2. 修改VOC2007测试数据集成 scripts/VOC2007 ：

   VOC2007
   |----Annotations
   |----ImageSets
   |----JPEGImages
   |----SegmentationClass
   |----SegmentationObject
   
   

3. 图像预处理

   cd scripts
   mkdir input_bins
   python3 preprocess.py ./input_bins/
   python3 xml2txt.py ./VOC2007/Annotations/ ./centernet_postprocess/groundtruths/
   
   

图片将被预处理为input_bins文件。标签将被预处理为predict_txt文件。

3.离线推理

1.环境变量设置

请参考说明，设置环境变量

2.Pb模型转换为om模型

pb模型下载链接

atc --model=./CenterNet.pb --framework=3 --output=./Centernet_2batch_input_fp16_output_fp32 --soc_version=Ascend310 --input_shape="input_1:2,512,512,3"

3.编译程序

bash build.sh

4.开始运行

cd scripts
bash benchmark_tf.sh

性能

结果

本结果是通过运行上面适配的推理脚本获得的。

推理精度结果

参考

[1]https://github.com/xuannianz/keras-CenterNet