# sample-objectdetectionbyyolov3
**Repository Path**: weiluo1992/sample-objectdetectionbyyolov3
## Basic Information
- **Project Name**: sample-objectdetectionbyyolov3
- **Description**: No description available
- **Primary Language**: C++
- **License**: BSD-3-Clause
- **Default Branch**: 1.3x.0.0
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 15
- **Created**: 2021-08-06
- **Last Updated**: 2024-05-29
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
中文|[English](Readme_EN.md)
**该案例仅仅用于学习，打通流程，不对效果负责，不支持商用。**
# Yolov3检测网络应用
本Application支持运行在Atlas 200 DK或者AI加速云服务器上，实现了对yolov3目标检测网络的推理功能。
当前分支中的应用适配**1.32.0.0及以上**版本的[DDK&RunTime](https://ascend.huawei.com/resources)。
## 前提条件
部署此Sample前，需要准备好以下环境：
- 已完成Mind Studio的安装。
- 已完成Atlas 200 DK开发者板与Mind Studio的连接，交叉编译器的安装，SD卡的制作及基本信息的配置等。
## 部署
可以选择如下快速部署或者常规方法部署，二选一即可：
1. 快速部署，请参考： [https://gitee.com/Atlas200DK/faster-deploy](https://gitee.com/Atlas200DK/faster-deploy) 。
> **说明：**
>- 该快速部署脚本可以快速部署多个案例，请选择objectdetectionyolov3案例部署即可。
>- 该快速部署脚本自动完成了代码下载、模型转换、环境变量配置等流程，如果需要了解详细的部署过程请选择常规部署方式。转 **：[2. 常规部署](#zh-cn_topic_0228461856_li3208251440)**
2. 常规部署，请参考： [https://gitee.com/Atlas200DK/sample-README/tree/master/sample-objectdetectionyolov3](https://gitee.com/Atlas200DK/sample-README/tree/master/sample-objectdetectionbyyolov3) 。
> **说明：**
>- 该部署方式，需要手动完成代码下载、模型转换、环境变量配置等过程。完成后，会对其中的过程更加了解。
## 编译
1. 打开对应的工程。
以Mind Studio安装用户在命令行中进入安装包解压后的“MindStudio-ubuntu/bin”目录，如：$HOME/MindStudio-ubuntu/bin。执行如下命令启动Mind Studio。
**./MindStudio.sh**
启动成功后，打开**sample-objectdetctionbyyolov3**工程，如[图 打开objectdetectionyolov3工程](#zh-cn_topic_0228461856_zh-cn_topic_0219028422_fig9485154817568)所示。
**图 1** 打开objectdetectionyolov3工程
2. 在**src/param\_configure.conf**文件中配置相关工程信息。
**图 2** 配置文件路径
该配置文件默认配置内容如下：
```
remote_host=192.168.1.2
```
remote\_host：Atlas 200 DK开发者板的IP地址。
> **说明：**
>- 注意参数填写时不需要使用“”符号。
>- 当前已经按照配置示例配置默认值，请按照配置情况自行修改。
3. 执行deploy脚本， 进行配置参数调整及第三方库下载编译 打开Mind Studio工具的Terminal，此时默认在代码主目录下，执行如下命令在后台指执行deploy脚本，进行环境部署。如[图 执行deploy脚本](#zh-cn_topic_0228461856_zh-cn_topic_0219028422_fig4961151613216)所示。
**图 3** 执行deploy脚本
> **说明：**
>- 首次deploy时，没有部署第三方库时会自动下载并编译，耗时可能比较久，请耐心等待。后续再重新编译时，不会重复下载编译，部署如上图所示。
>- deploy时，需要选择与开发板通信的主机侧ip，一般为虚拟网卡配置的ip。如果此ip和开发板ip属于同网段，则会自动选择并部署。如果非同网段，则需要手动输入与开发板通信的主机侧ip才能完成deploy。
4. 开始编译，打开Mindstudio工具，在工具栏中点击**Build \> Build \> Build-Configuration**。如[图 编译操作及生成文件](#zh-cn_topic_0228461856_zh-cn_topic_0219028422_fig1487710597597)所示，会在目录下生成build和run文件夹。
**图 4** 编译操作及生成文件
注意：
首次编译工程时，**Build \> Build**为灰色不可点击状态。需要点击**Build \> Edit Build Configuration**，配置编译参数后再进行编译。
5. 将需要推理的图片上传至Host侧任一属组为HwHiAiUser用户的目录。
图片要求如下：
- 格式：jpg、png、bmp。
- 输入图片宽度：16px\~4096px之间的整数。
- 输入图片高度：16px\~4096px之间的整数。
## 运行
1. 在Mindstudio工具的工具栏中找到Run按钮，点击 **Run \> Run 'sample-objectdetection'**，如[图 程序已执行示意图](#zh-cn_topic_0228461856_zh-cn_topic_0219028422_fig18918132273612)所示，可执行程序已经在开发板执行。
**图 5** 程序已执行示意图
以上报错信息请忽略，因为Mind Studio无法为可执行程序传参，上述步骤是将可执行程序与依赖的库文件部署到开发者板，此步骤需要ssh登录到开发者板至相应的目录文件下手动执行，具体请参考以下步骤。
2. 在Mind Studio所在Ubuntu服务器中，以HwHiAiUser用户SSH登录到Host侧。
**ssh HwHiAiUser@**_host\_ip_
对于Atlas 200 DK，host\_ip默认为192.168.1.2（USB连接）或者192.168.0.2（NIC连接）。
3. 进入yolov3检测网络应用的可执行文件所在路径。
命令举例如下：
**cd \~/HIAI\_PROJECTS/workspace\_mind\_studio/sample\_objectdetectionbyyolov3\_XXXXX/out**
> **说明：**
>- 此路径中sample\_objectdetectionbyyolov3\_XXXXX的XXXXX是一串字母和数字的随机组合，每次重新编译运行时都会随机生成。
4. 执行应用程序。
执行**run\_object\_detection\_yolov3.py**脚本会将推理生成的图片保存至指定路径。
命令示例如下所示：
**python3 run\_object\_detection\_yolov3.py -w _416_ -h _416_ -i** _**./example.jpg**_ **-o _./out_**
- -w/model\_width：模型的输入图片宽度，为16\~4096之间的整数。
- -h/model\_height：模型的输入图片高度，为16\~4096之间的整数。
- -i/input\_path：输入图片的目录/路径，可以有多个输入。
- -o/output\_path：输出图片的目录，默认为当前目录。
5. 其他详细参数请执行**python3 run\_object\_detection\_yolov3.py --help**命令参见帮助信息。