[發明專利]一種基于海思SD3403的多場景監測方法

有效

• 申請號: 202211586312.6
• 申請日: 2022-12-11
• 公開（公告）號: CN115661723B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 肖濤;徐衛星;姚俊俊;戚原野;韓兆宇
• 申請（專利權）人: 常州海圖信息科技股份有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V20/52;G06V10/82;G06N3/08
• 代理公司: 常州市天龍專利事務所有限公司 32105
• 代理人: 張萬兵

1.一種基于海思SD3403的多場景監測方法，其特征在于：單個模型推理時，服務器端基于caffe框架，使用yolov3對目標進行訓練，并得到prototxt文件和caffemodel文件，根據待預測對象的格式及訓練時的預處理操作，編寫配置代碼，使其轉成SD3403平臺支持的om模型；若需加快推理速度，則還需將prototxt文件和caffemodel文件量化，并將量化后的文件使用同樣的方法轉為om模型，再部署至平臺，即可進行加速推理。

2.根據權利要求1所述的方法，其特征在于：所述單個模型推理包括以下步驟：

S1、配置訓練和測試時的各種參數，包括訓練的策略、學習率的變化率以及模型保存的頻率參數；

S2、將非Caffe框架下的訓練模型拼接并生成Caffe模型下的Prototxt文本格式的參數數據文件；

S3、prototxt是描述測試網絡訓練時各種參數的網絡結構文件，將文件轉化為om文件，保存壓縮后的prototxt訓練模型的數據文件；

S4、caffemodel存儲了模型權重的相關參數和具體信息，將caffemodel文件轉化為om文件，保存壓縮后的caffemodel訓練模型的數據文件；

S5、將轉化后的om模型文件進行壓縮之后，將om模型文件部署在SD3403的平臺上。

3.根據權利要求1所述的方法，其特征在于：所述om模型轉換通過使用onnx工具對導出的模型圖進行簡化，設置onnx的環境變量，利用附件腳本修改模型的slice算子，配置海思的開發環境，配置環境變量，使用atc將開源框架的網絡模型以及定義的單算子描述文件，通過atc轉換成海思支持的離線模型，模型轉換過程中能夠實現算子調度的優化以及權值的數據重排。

4.根據權利要求1所述的方法，其特征在于：所述prototxt文件要設計好需要優化的對象，用于學習的訓練網絡和用于評估的測試網絡，通過forward和backward算法的迭代進行優化來更新參數，定期的評價測試網絡，在優化過程中顯示模型和slover的狀態，在每一次的迭代過程中，調用forward算法來計算最終的輸出值，調用backword算法來計算每層的梯度，根據選用的slover方法，利用梯度進行參數學習，記錄并保存每次迭代的學習率以及對應的狀態。

5.根據權利要求1所述的方法，其特征在于：所述caffemodel文件里存儲了模型的結構和訓練所得到的權重參數和偏置的信息以及整個訓練網絡的結構的參數和信息，caffemodel文件是在模型測試階段用于分類的一組文件。

6.根據權利要求1所述的方法，其特征在于：多個所述模型推理時，還需將不同場景下的om模型轉化為二進制文件，轉化時，利用Qt模型轉化工具對om模型進行參數設置，可方便地生成平臺所需的二進制文件，最后將所有的二進制文件傳入SD3403平臺，通過在配置文件中設置各個模型對應的通道，以達到多場景監測的目的。

7.根據權利要求6所述的方法，其特征在于：多個所述模型的推理包括以下步驟：

S1、將不同場景的模型轉化為二進制文件；

S2、利用Qt模型轉化工具對模型進行參數設置；

S3、將二進制文件傳入海思SD3403平臺。

8.根據權利要求6所述的方法，其特征在于：所述二進制文件轉換，通過Qt的元對象系統賦予文件類屬性的功能，根據傳入的文件節點，判斷是否有子節點，有子節點的是復合屬性，無子節點的是簡單屬性，簡單屬性，提取子節點的內容，賦值給對象實例，繼續處理下一節子節點，符合屬性按照子節點名，動態生成一個對應的對象實例，對生成的對象實例進行內容組裝，判斷當前點的屬性名記錄在當前類型的信息中，按照屬性的方法以及對象實例的值賦予父類實例對象，通過遞歸的方式將文件內容進行轉換，遍歷類的所有屬性，組成二進制文件。