目标检测综述

​ A survey of modern deep learning based object detection models

​ https://www.sciencedirect.com/science/article/pii/S1051200422001312

YOLO

​ YOLO系列目标检测算法网上教程很多，当然也需要看原论文

目前进展

​ 已完成在Nvidia Xavier AGX上搭建miniforge和pytorch的环境，成功运行YOLOv4源码。但帧率较低

​ Nvidia Jetson系列嵌入式开发套件信息参考 https://www.nvidia.cn/autonomous-machines/embedded-systems/

​ 关于miniforge、miniconda、anaconda等的区别可参考 https://zhuanlan.zhihu.com/p/518926990

嵌入式平台

​ nvidia嵌入式平台：Jetson Orin：Jetson AGX Orin、Jetson Orin NX、Jetson Orin Nano；

​ Jetson Xavier：Jetson AGX Xavier、Jetson Xavier NX；

​ Jetson TX2；

​ Jetson Nano；

系统烧写

​ 官方教程：https://docs.nvidia.com/jetson/archives/r34.1/DeveloperGuide/index.html

​ 系统烧写有两种方式：① micro usb连接ubuntu虚拟机和设备，通过命令为设备在线安装ubuntu系统；② 通过TF/SD卡烧写镜像，使用win32DiskImg/balenaEtcher将ubuntu镜像写入TF/SD，然后插入设备中，接通电源安装系统

​ 系统烧写完成后，为系统安装JetPack SDK

环境配置

​ ① 安装miniforge(miniforge是miniconda的社区版本)

​ ② 用conda创建虚拟环境

​ ③ 首先安装pytorch 1.6.0版本，whl文件安装方式，aarch64架构(arm)，pip install …

​ ④ 因为xavier agx的pip无法下载高版本torchvision且没有较好的whl文件支持，因此需要去github下载源码，然后运行setup.py编译，编译好后即安装成功

​ ⑤ 安装其他包

​ ⑥ 将工程文件拷贝到Jetson上，activate虚拟环境，在虚拟环境中运行程序python predict.py

代码使用流程

​ 1.收集数据集

​ 2.运行preprocess处理图片，reshape和rename

​ 3.打标签labelimg，设置xml文件存储路径和源图片路径

​ 4.制作my_class.txt，运行voc_annotation.py制作训练集、验证集和测试集

​ 5.训练模型train.py

​ 6.使用模型，先改yolo.py中参数，然后运行predict.py

文件移植

​ 每次只需要拷贝.pth权重文件和classes.txt类别文件即可