|
配套資料在網(wǎng)盤資料的“iTOP-3399 開發(fā)板資料匯總（不含光盤內(nèi)容）\4.人工智能測試資料\RKSSD 測試.zip”目錄下。
ITOP-3399 開發(fā)板支持瑞芯微提供的深度學習目標檢測技術(shù)，目標檢測是指對圖片或視頻中的目標性物體進行定位并分類。在性能強大的 ITOP-3399 平臺上，對 MobileNet SSD 網(wǎng)絡(luò)進行專項優(yōu)化，使得高精度的MobileNet SSD300 1.0 運行幀率達到 8 幀以上，精度略低而速度更快的 MobileNet SSD300 0.75 的運行幀率超過 11 幀。準實時的運行速度，將目標檢測這一基礎(chǔ) AI 技術(shù)在嵌入式端帶向?qū)嵱谩３藴蕦崟r的運行速度外，這一技術(shù)解決方案支持 Google 的 TensorFlow Object Detection 訓練導出的 TensorFlow Lite 模型。本文檔將介紹如何編譯測試 RKSSDDEMO。
SSD 優(yōu)化庫基于 Ubuntu16.04ARM 版本開發(fā)，只提供 64 位版本。我們將在“搭建好編譯環(huán)境的Ubuntu16.04 系統(tǒng)鏡像”上進行編譯。在網(wǎng)盤資料“iTOP-3399 開發(fā)板資料匯總（不含光盤內(nèi)容）\2.搭建好編譯環(huán)境的 Ubuntu16.04 虛擬機鏡像”目錄下可以找到。
33.1 編譯程序
1、安裝編譯環(huán)境
Ubuntu16.04 輸入以下命令安裝包
sudo apt-get install cmake
sudo apt-get install gcc-aarch64-linux-gnu
sudo apt-get install g++-aarch64-linux-gnu
2、進入到 linux 源碼 rk3399_linux_sdk_v2.0/external/rkssd 目錄下，linux 源碼在光盤資料的“iTOP-3399光盤資料\20201112\05 Linux 源碼”目錄下，使用如下命令新建 build,install 文件夾。
mkdir build install ![]()
3、輸入以下命令：
cd build
cmake ../ -DCMAKE_INSTALL_PREFIX="../install" ![]()
4、輸入以下命令進行編譯安裝
make
make install ![]()
編譯完之后可執(zhí)行程序和依賴庫安裝到`install/rkssddemo`目錄下。
5、首先將`ssd`文件夾拷貝進剛才生成的`install/rkssddemo`目錄
cd ../
cp -r ssd install/rkssddemo ![]()
在 install/rkssddemo/ssd 目錄下有要進行測試的圖片，如下圖所示： ![]()
![]()
6、將 Ubuntu 上編譯好的 rkssddemo 拷貝到 U 盤上，掛載 U 盤到開發(fā)板上，然后拷貝 rkssddemo 到開發(fā)板的根目錄下，如下圖所示：
mount /dev/sda1 /mnt/disk
cd /mnt/disk
cp -r rkssddemo/ /
cd /
ls rkssddemo/
chmod 777 -R rkssddemo ![]()
7、進入到開發(fā)板的 rkssddemo 目錄下，運行程序，如下圖所示：
cd rkssddemo
./rkssddemo -i ssd/test.jpg -o out.jpg -l ssd/coco_labels_list.txt -b ssd/box_priors.txt -g librkssd.so -p ssd/ssd300_91c_param.rkl -n 91 ![]()
8、運行程序后會生成 out.jpg，拷貝 out.jpg 到 U 盤上，然后在 Windows 上面進行查看，檢測輸出圖片如下圖所示： ![]()
如上圖所示，可以檢測到圖片中的目標，比如人，自行車，汽車等等。
![]()
| 
