Nvidia Jetson Nano面罩Yolov4探测器

描述

引文

这是 Jetson 社区的一个项目，没有其他开发人员的努力是不可能实现的。

指数

数据集

• 下载数据集
• 转换为 Yolo 格式

YoloV4

• 在 Nvidia Jetson Nano 上编译 YoloV4
• 用 COCO 测试 YoloV4
• 训练面具检测器
• 领导控制
• 以前的提示

以前的提示

在这个项目的开发过程中，我使用 SSH、SCP 和 VNC Viewer 来控制和从我的 PC 到 Jetson Nano 板的文件传输。您可以使用键盘和鼠标直接从板上控制它，但从我的角度来看，这种方式更不舒服：

• 在 Jetson 开发者工具包上设置 VNC 服务器
• 如何在 Linux 或 Windows 中使用 SSH 连接到远程服务器
• 如何使用 SCP 命令安全传输文件

数据集

对于这个项目，我使用了 Kaggle 的面罩检测数据集，其中包含属于 3 个类别的 853 张图像。每个图像都有一个或多个边界框。

这些课程是：

• 带口罩
• 不戴口罩
• 口罩戴错了

我建议使用谷歌数据集搜索来查找任何类型的数据集，在这种情况下，这个数据集可能有点小，但我有一个很好的准确度，如果你愿意，你可以用你自己的图像或任何其他数据集把它变大。

转换为 Yolo 格式

Yolo 需要一个特定的符号来训练模型和 .jpg 文件格式，所以首先你必须转到 images 文件夹并运行：

$> sudo apt-get install imagemagick
$> mogrify -format jpg *.png

现在有了 jpg 格式的图像，下一步是将 parse.xml 转换为 yolo 格式并创建 train/test.txt 文件。只需将 xml_to_yolo.py python 脚本放到 annotations 文件夹中并运行它：

$> python3 xml_to_yolo.py

如果您没有任何库，只需使用 pip/pip3 安装它。

之后，您将拥有一个.txt per.xml 文件、train.txt 和 test.txt（这些文件占边界框总数的 90/10）。

YoloV4

所有的 YoloV4 代码都是由AlexeyAB/ darknet 开发的，在那里你可以找到关于如何训练、指标等的优秀文档和示例。

在 Nvidia Jetson Nano 上编译 YoloV4

首先，您必须克隆AlexeyAB 存储库

$ git clone https://github.com/AlexeyAB/darknet.git
$ cd darknet

使用以下命令编辑 Makefile：

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
AVX=0
OPENMP=1
LIBSO=1
ZED_CAMERA=0
ZED_CAMERA_v2_8=0
......
USE_CPP=0
DEBUG=0
ARCH= -gencode arch=compute_53,code=[sm_53,compute_53]
......
NVCC=/usr/local/cuda/bin/nvcc

并运行 make：

$ make

用 COCO 测试 YoloV4

之后，项目被编译，只需要经过训练的权重来运行它。如果你想要更高的 FPS 性能，我建议使用 Tiny-Yolo。您可以从 AlexeyAB 存储库下载两者：

• yolov4.weights
• yolov4-tiny.weights

只运行暗网：

./darknet detector demo cfg/coco.data \
cfg/yolov4-tiny.cfg \
yolov4-tiny.weights \
-c 0

使用-c 0相机 (V4L2) 设备的方法/dev/video0。

训练面具检测器

要训​​练一个新的 YoloV4-Tiny 模型，只需按照AlexeyAB 的步骤或使用我的文件和.weights。完成 6000 步（2000x3 类）大约需要 20 个小时。

与我的训练一起跑步：

./darknet detector demo cfg/obj.data \
cfg/yolov4-tiny-masks.cfg \
yolov4-tiny-obj_last.weights \
-c 0

领导控制

为了完成这个项目，我想用这个检测来创建“红绿灯”，这只是一个愚蠢的实验，但可能性是无穷无尽的......

加载模型后，您可以从 darknet_video.py 或 darknet_images.py 运行它，在这种情况下，我使用 darknet_images.pyimport RPi.GPIO as GPIO 并添加了一个 if-else 语句来控制检测并将高低值设置为引脚输出。

如果这个电路有 2 个 LED 和 2 个 PN2222 晶体管，一个用于绿色 LED，另一个用于红色，我创建的电路。

引脚以这种方式映射：

pinGreen =  18 #Green led -> Pin 12 on the board
pinRed = 24 #Red led -> Pin 18 on the board

这是一张有用的图片，可以查看 BCM 地图的工作原理：

 

 

现场演示：