Detection and Classification(C++)使用指导

请参照开发前须知与安装MindSDK软件包章节，配置环境变量，安装MindSDK软件包。
请参见创建应用工程创建Detection and Classification(C++)样例工程。
准备输入图片。

请用户自行下载一张包含有一个动物的非渐进式图片（例如一只狗的图片），命名为test.jpg，上传到环境中工程文件的“C++”目录下。

参见表1，前往昇腾开发者社区下载YOLOv3和ResNet-50模型pb文件并上传到环境中。

表1 模型获取
模型名称	版本	获取链接
YOLOv3	1.6	获取地址关键词搜索：YOLOv3 应用级别：Released 框架：TensorFlow 进入模型页面后，确认模型版本后，单击“下载模型”下载或通过“历史版本”中找到对应版本，单击“下载模型”。
ResNet-50	1.7	获取地址关键词搜索：ResNet-50 应用级别：Released 框架：TensorFlow 进入模型页面后，确认模型版本后，单击“下载模型”下载或通过“历史版本”中找到对应版本，单击“下载模型”。

模型转换。

在工程创建页面的顶部菜单栏中选择“Ascend > Model Converter”。

在“Model Information”页面，页面参数配置指导如下：

样例中YOLOv3、ResNet50模型适用参数及配置项请参考表2。
YOLOv3模型参数配置页面结果请参考图2。
ResNet50模型参数配置页面结果请参考图3。

表2 Model Information配置项说明及YOLOv3、ResNet50模型适用参数
配置项	配置项说明	本样例YOLOv3模型适用参数	本样例ResNet50模型适用参数
Model File	获取模型pb文件后，选择上传到环境中的模型pb文件路径。需要选择到pb文件一级。	请根据实际情况设置模型pb文件路径。
Model Name	转换后的模型名称。	请以“yolov3_tf_bs1_fp16”命名。	请以“resnet50_aipp_tf”命名。
Target SoC Version	模型转换时指定芯片版本。	请根据实际使用的芯片类型进行选择。
OutputPath	模型文件输出路径。	请使用默认设置，不需要修改。
Input Format	输入数据格式。	请使用默认设置，不需要修改。
input/input_data	模型转换入参，“Shape”模型输入的图形信息，“Type”为指定输入节点的数据类型。	“Shape”请使用“1,416,416,3”。 “Type”请使用“FP32”。	“Shape”请使用“1,224,224,3”。 “Type”请使用“FP32”。
Output Nodes	指定输出节点信息。单击“Select”按钮。进入输出节点选择界面。在搜索出的节点上，右击“Select”选中，如图1。	请选择“Conv_6/BiasAdd”、“Conv_14/BiasAdd”、“Conv_22/BiasAdd”三项。	无需选择。

图1 选择输出节点

图2 YOLOv3模型参数配置
点击放大

图3 ResNet50模型参数配置
点击放大

单击“Next”，进入“Data Pre-Processiong”页面，参照图4作为示例配置参数，详细请参见2。
图4 Data Pre-Processiong
单击“Next”，进入“Advanced Options Preview”页面，参照图5配置参数。
“Additional Arguments”处请单击滑块启用该选项并填写模型aipp配置文件的绝对路径，Project_Path为SDK样例工程根目录，请用户自行替换。

转换YOLOv3模型时请配置：
```
--insert_op_conf=Project_Path/models/yolov3/aipp_yolov3_416_416.aippconfig
```
转换ResNet50模型时请配置：
```
--insert_op_conf=Project_Path/models/resnet50/aipp_resnet50_224_224.aippconfig
```
图5 Advanced Options Preview
单击“Finish”，开始模型转换。

转换完成的模型om文件默认生成在“$HOME/modelzoo”下。请分别移动放置于“工程文件根目录/models/resnet50”和“工程文件根目录/models/yolov3”下。
编译应用工程。
在MindStudio工程界面，顶部菜单栏中单击“Build > Edit Build Configuration...”，进入编译配置页面。
1. 配置编译参数。
  图6为编译配置示例。在“Build Type”下拉框处选择“Release”，修改“Name”，将编译配置组命名为“Release”，单击“OK”完成配置。（如无配置项，可单击新增。）
  图6 编译配置
2. 单击顶部菜单栏中的“Build > Build CMake Project”编译工程。
  如果在编译过程中无错误提示，且编译进度到“100%”，则表示编译成功，您可以在如下目录中查看可执行文件main。
```
├── 工程名
│   ├── C++
│   │   ├──main         //可执行文件
```
运行应用工程。
1. 配置运行参数，通过单击顶部菜单栏中的“Run > Edit Configurations...”进入运行配置，单击左上角的“+”，选择“CMake Application”工程运行配置项。
  如图7为配置示例，由于样例工程中配置了相对路径，需要在Working directory配置相对的工作目录，此处配置为执行文件“main”所在的目录，配置完成后，单击“Apply”保存运行配置，单击“OK”，关闭运行配置窗口。
  
  如需远端运行应用工程，请确保运行环境已完成环境变量的配置，具体请参见开发前须知。
  
  图7 SDK样例运行参数配置
2. 在MindStudio工程界面，通过单击顶部菜单栏中的“Run > Run...”。在弹出框中选择已创建好的运行配置信息，运行应用。
  如下显示为SDK样例工程运行成功的返回示例。
```
Results:{"MxpiObject":[{"MxpiClass":[{"classId":163,"className":"beagle","confidence":0.87109375}],"classVec":[{"classId":16,"className":"dog","confidence":0.99641436299999997,"headerVec":[]}],"x0":125.63256800000001,"x1":918.29089399999998,"y0":116.434044,"y1":597.21276899999998}]}
```
如需对该样例进行调试操作，请在操作前修改以下内容：
1. 在“C++/CMakeLists.txt”中找到以下命令。
```
set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} -Wl,-z,relro,-z,now,-z,noexecstack  -s -pie")
```
2. 将该命令替换为如下形式。
```
set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} -Wl,-z,relro,-z,now,-z,noexecstack -pie")
```

Detection and Classification(Python)使用指导

请参照开发前须知与安装MindSDK软件包章节，配置环境变量，安装MindSDK软件包。
请参见创建应用工程创建Detection and Classification(Python)样例工程。
准备输入图片。

请用户手动下载一张包含动物的图片（例如一只狗的图片），命名为test.jpg，上传到环境中工程文件的“python”目录下。

参见表3，前往昇腾开发者社区下载YOLOv3和ResNet-50模型pb文件并上传到环境中。

表3 模型获取
模型名称	版本	获取链接
YOLOv3	1.6	获取地址关键词搜索：YOLOv3 应用级别：Released 框架：TensorFlow 进入模型页面后，确认模型版本后，单击“下载模型”下载或通过“历史版本”中找到对应版本，单击“下载模型”。
ResNet-50	1.7	获取地址关键词搜索：ResNet-50 应用级别：Released 框架：TensorFlow 进入模型页面后，确认模型版本后，单击“下载模型”下载或通过“历史版本”中找到对应版本，单击“下载模型”。

模型转换。

在工程创建页面的顶部菜单栏中选择“Ascend > Model Converter”。

在“Model Information”页面，页面参数配置指导如下：

样例中YOLOv3、ResNet50模型适用参数及配置项请参考表4。
YOLOv3模型参数配置页面结果请参考图9。
ResNet50模型参数配置页面结果请参考图10。

表4 Model Information配置项说明及YOLOv3、ResNet50模型适用参数
配置项	配置项说明	本样例YOLOv3模型适用参数	本样例ResNet50模型适用参数
Model File	获取模型pb文件后，选择上传到环境中的模型pb文件路径。需要选择到pb文件一级。	请根据实际情况设置模型pb文件路径。
Model Name	转换后的模型名称。	请以“yolov3_tf_bs1_fp16”命名。	请以“resnet50_aipp_tf”命名。
Target SoC Version	模型转换时指定芯片版本。	请根据实际使用的芯片类型进行选择。
OutputPath	模型文件输出路径。	请使用默认设置，不需要修改。
Input Format	输入数据格式。	请使用默认设置，不需要修改。
input/input_data	模型转换入参，“Shape”模型输入的图形信息，“Type”为指定输入节点的数据类型。	“Shape”请使用“1,416,416,3”。 “Type”请使用“FP32”。	“Shape”请使用“1,224,224,3”。 “Type”请使用“FP32”。
Output Nodes	指定输出节点信息。单击“Select”按钮。进入输出节点选择界面。在搜索出的节点上，右击“Select”选中，如图8。	请选择“Conv_6/BiasAdd”、“Conv_14/BiasAdd”、“Conv_22/BiasAdd”三项。	无需选择。

图8 选择输出节点

图9 YOLOv3模型参数配置
点击放大

图10 ResNet50模型参数配置
点击放大

单击“Next”，进入“Data Pre-Processiong”页面，参照图11作为示例配置参数，详细请参见2。
图11 Data Pre-Processiong
单击“Next”，进入“Advanced Options Preview”页面，参照图12配置参数。
“Additional Arguments”处请单击滑块启用该选项并填写模型aipp配置文件的绝对路径，Project_Path为SDK样例工程根目录，请用户自行替换。

转换YOLOv3模型时请配置：
```
--insert_op_conf=Project_Path/models/yolov3/aipp_yolov3_416_416.aippconfig
```
转换ResNet50模型时请配置：
```
--insert_op_conf=Project_Path/models/resnet50/aipp_resnet50_224_224.aippconfig
```
图12 Advanced Options Preview
单击“Finish”，开始模型转换。

转换完成的模型om文件默认生成在“$HOME/modelzoo”下。请分别移动放置于“工程文件根目录/models/resnet50”和“工程文件根目录/models/yolov3”下。
运行应用工程。
1. 在MindStudio顶部菜单栏单击“Run > Edit Configurations...”，进入运行配置。
2. 单击左上角的“+”，新建“Python”运行配置项，配置运行参数（如需配置Python编译器，具体操作请参见Python SDK依赖设置）。
  图13为配置示例，配置完成后，单击“Apply”保存运行配置，单击“OK”，关闭运行配置窗口。
  
  图13 SDK样例（python）运行参数配置
3. 在MindStudio工程界面，顶部菜单栏中单击“Run > Run...”。在弹出框中选择已创建好的运行配置信息，运行应用。
  如下显示为SDK样例工程运行成功的返回示例。
```
{"MxpiObject":[{"MxpiClass":[{"classId":163,"className":"beagle","confidence":0.87109375}],"classVec":[{"classId":16,"className":"dog","confidence":0.99641436299999997,"headerVec":[]}],"x0":125.63256800000001,"x1":918.29089399999998,"y0":116.434044,"y1":597.21276899999998}]}
```

SDK样例工程使用指导

Detection and Classification(C++)使用指导

Detection and Classification(Python)使用指导