如何在RK3308嵌入式开发板上使用ncnn部署mobilenetv2_ssdlite模型呢

1046 RK3308 嵌入式开发板

问答对人有帮助，内容完整，我也想知道答案 0 如何在RK3308嵌入式开发板上使用ncnn部署mobilenetv2_ssdlite模型呢？ 0
2021-12-27 07:19:21　　评论淘帖0 邀请回答您可以邀请以下用户，快速回答问题 × HengDu 该类别下有 16 个回答。邀请回答 heks 该类别下有 16 个回答。邀请回答 ChristineGu 该类别下有 16 个回答。邀请回答 nhonglan 该类别下有 15 个回答。邀请回答 yonglanzhang 该类别下有 15 个回答。邀请回答 dfasda 该类别下有 15 个回答。邀请回答 wenminglang 该类别下有 14 个回答。邀请回答 C880U 该类别下有 14 个回答。邀请回答 jhdfvs 该类别下有 14 个回答。邀请回答 chm5 该类别下有 14 个回答。邀请回答 muwersddg 该类别下有 14 个回答。邀请回答杀狼000 该类别下有 14 个回答。邀请回答飞雪9366 该类别下有 13 个回答。邀请回答 billbian 该类别下有 13 个回答。邀请回答 a732538 该类别下有 13 个回答。邀请回答 hrtuoyu 该类别下有 13 个回答。邀请回答 hfgdzc 该类别下有 13 个回答。邀请回答 thyysbk 该类别下有 13 个回答。邀请回答凡人wlj 该类别下有 13 个回答。邀请回答 kszdj113 该类别下有 13 个回答。邀请回答举报杨言相关推荐 • 如何使用eop烧写嵌入式开发板的裸板程序呢 961 • 嵌入式开发板开发与SOC系统开发有哪些不同之处呢 1833 • 在嵌入式开发板上如何用opencv调用caffe模型进行人脸识别并截图呢 990 • 有关RK3308芯片的基本知识汇总 2796 • 一文详解Express Pi嵌入式开发板 1042 • 怎样去修改iMX6UL嵌入式开发板的主频呢 1230 • 嵌入式开发板有什么功能？ 2799 • 怎样去解决嵌入式开发板出现sudo vi test.c返回错误的问题呢 898 • RK3399嵌入式开发板QT下的wifi是怎样去移植的呢 1463 • RK3308怎么样？能否运行适配Ubuntu？ 976 1个回答

答案对人有帮助，有参考价值 0 目标在RK3308嵌入式开发板（Arm Linux）上使用ncnn部署mobilenetv2_ssdlite模型模型量化细节模型量化 https://github.com/Tencent/ncnn/tree/master/tools/quantize 优化图 https://github.com/Tencent/ncnn/wiki/use-ncnnoptimize-to-optimize-model ./ncnnoptimize mbv2_ssdlite/mobilenetv2_ssdlite_voc.param mbv2_ssdlite/mobilenetv2_ssdlite_voc.bin mbv2_ssdlite_nobn/mobilenetv2_ssdlite_voc.param mbv2_ssdlite_nobn/mobilenetv2_ssdlite_voc.bin 0 算子合并 batchnorm - scale convolution - batchnorm convolutiondepthwise - batchnorm deconvolution - batchnorm deconvolutiondepthwise - batchnorm innerproduct - batchnorm convolution - relu convolutiondepthwise - relu deconvolution - relu deconvolutiondepthwise - relu innerproduct - relu 消除空算子 innerproduct - dropout flatten after global pooling 偏好更好的算子 replace convolution with innerproduct after global pooling 创建校准表文件我们建议使用验证数据集进行校准，该数据集应超过5000张图像。 ncnn2table --param=mbv2_ssdlite_nobn/mobilenetv2_ssdlite_voc.param --bin=mbv2_ssdlite_nobn/mobilenetv2_ssdlite_voc.bin --images=../images/ --output=mbv2_ssdlite_nobn.table --mean=127.5,127.5,127.5 --norm=0.007843,0.007843,0.007843 --size=300,300 --thread=10 量化 ncnn2int8 mbv2_ssdlite_nobn/mobilenetv2_ssdlite_voc.param mbv2_ssdlite_nobn/mobilenetv2_ssdlite_voc.bin mbv2_ssdlite_int8/mobilenetv2_ssdlite_voc.param mbv2_ssdlite_int8/mobilenetv2_ssdlite_voc.bin mbv2_ssdlite_nobn.table 修改输入分辨率修改模型文件mobilenetv2_ssdlite_voc.param的分辨率为192x192，原分辨率为300x300 Input data 0 1 data 0=192 1=192 2=3 修改mobilenetv2ssdlite.cpp中的输入图像的分辨率为192x192，原分辨率为300x300 const int target_size = 192; int img_w = bgr.cols; int img_h = bgr.rows; ncnn::Mat in = ncnn::Mat::from_pixels_resize(bgr.data, ncnn::Mat::PIXEL_BGR, bgr.cols, bgr.rows, target_size, target_size); 加速效果分辨率300 x 300 模型量化后，运行时间减少25%，加速效果明显，目标检测结果保持不变。若要进一步提升速度，可考虑调整mobilenetv2的通道数，减小模型。分辨率192 x 192 模型量化后，运行时间减少28%，加速效果明显，目标检测结果保持不变。由于是直接修改分辨率，没有使用相应分辨率微调模型，导致检测的边界框不是很准确。

2021-12-27 13:50:22 评论举报陈福蓓