Yolo 简化转换
Yolo 简化转换
关于
示例
YoloV6n R4 模型，以及如何在 OAK 设备上运行编译后的模型。- 首先，我们将下载模型的权重。您可以从此处下载。
- 打开浏览器中的工具。然后上传下载的
yolov6n.pt权重，并将Input image shape设置为640 352（我们选择此输入图像尺寸是因为宽高比接近 16:9，并且吞吐量和延迟仍然可以接受）。其余选项保持不变。
- 点击
Submit按钮。模型将被自动转换并下载到一个 zip 文件夹中（zip 文件夹将包含一个转换后的 blob 文件、一个 JSON 文件以及用于生成输出 blob 文件的中间表示）。 - 要运行导出的模型，我们将使用 OAK Examples。我们将通过克隆存储库并安装
gen2-yolo/device-decoding应用程序所需的包来开始。
Command Line
1git clone https://github.com/luxonis/oak-examples.git
2cd oak-examples
3git switch master
4cd gen2-yolo/device-decoding
5python3 -m pip install -r requirements.txt- 将
result.zip中的导出模型文件解压到应用程序的model文件夹中，然后运行以下命令来运行应用程序。
Command Line
1python3 main.py --config model/yolov6n.json工具选项
Yolo Version- 必需，应使用哪个 Yolo 版本进行转换。在工具中，集成了自动 Yolo 版本检测器，当您上传模型权重时，它会自动检测 Yolo 版本并进行设置。RVC2 或 RVC3- 必需，目标设备的 Robotics Vision Core 版本。File- 必需，预训练模型的权重（.pt 文件），大小需要小于 300Mb。Input image shape- 必需，用于方形输入图像尺寸的整数，或用空格分隔的宽度和高度。它必须能被 32（或 64，取决于步幅）整除。Shaves- 可选，默认值为 6。使用的 shave 数量。有关 shave 的更多信息，请参阅此处。Use OpenVINO 2021.4- 可选，默认值为 true。此复选框控制在编译到 IR 时是否使用旧版前端标志。如果关闭，则默认为 OpenVINO 2022.1。使用 2022.1 时注意到性能略有下降。因此，我们建议将其设置为 true。