基于 YOLO-V3 模型的通用物体识别

执行以下步骤，进行基于 YOLO-V3 模型的通用物体识别：

步骤

运行 C ++ 应用：
example_dnn_object_detection --config=/usr/share/opencv4/yolo-v3/yolov3-tiny.cfg \
        --model=/usr/share/opencv4/yolo-v3/yolov3-tiny.weights \
        --classes=/usr/share/opencv4/yolo-v3/classes.txt \
--width=416 --height=416 --scale=0.00392 --rgb --target=1 --device=4

在 user 用户的任意路径执行以下操作，以在昉·星光 2的 Debian 系统上运行 YOLO-V3 模型的通用物体识别演示代码：

提示： 参数说明：
  • 昉·星光 2在原 OpenCV object_detection.cpp 应用上新增参数 device 用于设置抓取视频流的 video 设备号。一般情况下， /dev/video1 为 MIPI CSI 连接的摄像头，/dev/video4 则为 USB 摄像头。
  • target = 1 表示通过 OpenCL 使用GPU加速识别，相较于 target =0 的CPU 运算能大幅提升识别速率，强烈建议保持该选项配置。
  • 其余参数可通过example_dnn_object_detection --help 查看。

结果

  • HDMI 显示器会显示源自摄像头的实时视频流；
  • 实时绘制方框，标定模型识别到的物体，并展示其名称与置信度；
  • 左上角显示单帧推理时间，换算到推理帧率，约为 1 - 1.5 fps；
图 1. 基于 YOLO-V3 模型的通用物体识别