在deepstream上使用yolov4的模型

在deepstream上使用yolov4的模型

目前nvidia官方并没有开发出适配Yolov4的配置文件和对应的代码，但是现在已经有第三方的解决方案：
首先假设你已经通过Alex AB训练得到了一个权重文件（weightFile）yolov4.weights，并且还有一个对应的配置文件（cfgFile）yolov4.cfg

生成TRT模型

执行

• git clone https://github.com/Tianxiaomo/pytorch-YOLOv4.git
• cd pytorch-YOLOv4

Requirement

pytorch >= 1.4 
onnx
onnxruntime
opencv-python

Pytorch version Recommended:

- Pytorch 1.4.0 for TensorRT 7.0 and higher
- Pytorch 1.5.0 and 1.6.0 for TensorRT 7.1.2 and higher

当所有要求的库安装之后，在项目目录下执行。

python demo_darknet2onnx.py <cfgFile> <weightFile> <imageFile> <batchSize>

这个命令会生成两个模型文件(.onnx)，一个默认batchsize为1用来进行demo的运行，一个是你设置的batchsize。

在你的deepstream平台上，把你需要的.onnx文件复制过去，执行

trtexec --onnx=<onnx_file> --exp