# sample-yolov3detection-python

**Repository Path**: yushanjin/sample-yolov3detection-python

## Basic Information

- **Project Name**: sample-yolov3detection-python
- **Description**: 参考https://gitee.com/Atlas200DK/sample-fasterrcnndetection-python和https://bbs.huaweicloud.com/blogs/171906 实现推理的python工程
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2020-08-27
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# sample-yolov3detection-python

## 介绍
参考: https://gitee.com/Atlas200DK/sample-fasterrcnndetection-python 和 https://bbs.huaweicloud.com/blogs/171906 实现推理的python工程


## 使用说明

1.  下载工程需要的模型文件
链接: https://pan.baidu.com/s/1xpZFGus-oTrUDajk1X2LrA 提取码: w74e 
2.  Atlas 200 DK 上的配置及操作，参考：https://gitee.com/Atlas200DK/sample-fasterrcnndetection-python
3.  支持mp4及rtsp视频流推理

## 代码目录结构

![输入图片说明](https://images.gitee.com/uploads/images/2020/0827/172039_da4a51e1_6552000.png "屏幕截图.png")

## 开发板上执行推理：

rtsp视频流输入：python main.py rtsp://admin:xxxxx@10.0.x.x:554 view_1

或者

mp4文件视频流输入：python main.py /home/person_and_car.mp4 view_2

### 测试结果如下：


| 视频类型 | 视频来源	| 分辨率(宽*高)	| 仅预处理耗时	| 仅推理耗时	| 整个推理过程耗时（包含预处理以及后处理）|
| ---            | ---                | ---                | ---            | ---            | --- |
| 视频文件(.mp4)   | person_and_car.mp4 | 640*480	| 10ms左右	| 30ms左右	| 180~190ms |
| 视频文件(.mp4)   | person.mp4	1      | 1920*1080	| 20ms左右	| 25~30ms左右	| 300~400ms |
| 视频文件(.mp4)   | shopping_hall.mp4  | 1280*720	| 16ms左右	| 27ms左右	| 230～250ms |
| 实时视频流(rtsp) | 海康摄像头           | 1920*1080	| 20~30ms	| 25~30ms左右	| 320~380ms |

截取一部分打印：

Preprocess cost time: 20.4229354858ms

Inference cost time: 31.4059257507ms

Postprocess-compute detection result of cost time: 102.829933167ms

Postprocess-package data of cost time: 159.300088882ms

Postprocess-send data to presenter server of cost time: 90.8269882202ms

The whole Inference cost time: 405.614852905ms


优化前代码，请参考old分支


### 将整个推理过程细化为以下5步，优化：

1、预处理

2、推理

3、后处理-计算检测框

4、后处理-打包数据（图片及检测框数据）

5、后处理-发送数据

计算检测框优化：yolov3模型默认检测80种物体，如果计算检测框只检测一种或者两种物体（utils.py文件的get_result函数）

打包及发送数据优化：yolov3模型输入是416\*416，但是此工程打包是基于原始像素图片及检测框进行打包的，修改为416\*416像素的图片及检测框直接打包


截取一部分打印：

Preprocess cost time: 23.0159759521ms

Inference cost time: 31.0800075531ms

Postprocess-compute detection result of cost time: 19.8609828949ms

Postprocess-package data of cost time: 16.3068771362ms

Postprocess-send data to presenter server of cost time: 0.19097328186ms

The whole Inference cost time: 92.0169353485ms


需要进一步研究：预处理耗时20ms（有点长了）