3.3. 使用 SSD 进行目标检测

在本节，我们将展示如何在 Sophon TPU 上面使用 ssd300-vgg16 进行目标检测。 我们使用的 bmodel 都是经过转换后的官方的 caffe 版本的 ssd300-vgg16，包括了 fp32 以及 int8 类型的。 我们实现了 5 个示例程序。 其中，case 0，case 1 的区别在于解码方式与数据预处理的方式不同。 case 2 是 case 1 的多 btach 版本，可以体现 int8 模型在 batch 为 4 的倍数时较优异的性能。

在本节的示例程序中，我们将重点介绍图像/视频的解码和预处理。 关于模型推理部分，即 sail::Engine 的使用，请参考 “2.2 使用 Resnet-50 进行图像分类” 中的相关说明。

ID	Input	Decoder	Preprocessor	Data Type	Model	Mode	Model Number	Batch Size	Multi-Thread	SOC Only
0	video image	opencv	opencv	fp32 int8	ssd300-vgg16	static	1	1	N	N
1	video image	bm-ffmpeg	bmcv	fp32 int8	ssd300-vgg16	static	1	1	N	N
2	video image	bm-ffmpeg	bmcv	fp32 int8	ssd300-vgg16	static	1	4	N	N
3	video image	bm-opencv	bm-opencv	fp32 int8	ssd300-vgg16	static	1	1	N	Y
4	video image	bm-opencv	bmcv	fp32 int8	ssd300-vgg16	static	1	1	N	Y

• 3.3.1. 运行demo
  • 3.3.1.1. 获取bmodel、图像、视频
  • 3.3.1.2. 运行C++程序
  • 3.3.1.3. 运行python程序
• 3.3.2. C++代码解析
  • 3.3.2.1. Case 0: 使用 opencv 解码和数据预处理
  • 3.3.2.2. Case 1: 使用 bm-ffmpeg 解码、使用 bmcv 做预处理
  • 3.3.2.3. Case 2: case 1 的 4N 模式
  • 3.3.2.4. Case 3: 使用 bm-opencv 进行解码和预处理
  • 3.3.2.5. Case 4: 使用 bm-opencv 解码、使用 bmcv 做预处理
• 3.3.3. Python代码解析
  • 3.3.3.1. Case 0: 使用 opencv 解码和数据预处理
  • 3.3.3.2. Case 1: 使用 bm-ffmpeg 解码、使用 bmcv 做预处理
  • 3.3.3.3. Case 2: case 1 的 4N 模式