Jetson Nano 2GB 系列文章（17）：更换模型得到不同效果

首页 > 最新资讯 > Jetson Nano 2GB 系列文章（17）：更换模型得到不同效果

2021-04-23 19:32

在上一篇文章中，我们已经体验了 “10 行 Python 代码的威力”，可以明显感觉到 “Hello AI World” 的内容绝非一般应用的 “Hello World” 那么简单。在本篇文章中，我们将为大家介绍如何更换模型以获得不同的效果。

当然，这个项目有一个特色，那就是它非常有效地利用了 “预训练模型”！事实上，在深度学习应用过程中，“训练模型” 是需要耗费相当大量的时间与计算资源的，这个过程对于初学者来说难度非常高，因此想要让初学者轻松上手，就必须提供 “最简单”、“最有效” 的入门方式，“支持预训练模型” 就是一种非常好的方法。

看一下上一篇 “10lines.py” 里的第 5 行代码：

我们只要将粗体底线的 “ssd-mobilenet-v2” 部分进行置换，就能调用不同的预训练模型，去改变您想要检测的类型结果。这些预训练模型的来源主要有二：

1. 本系统预建立的支持：

在前面 “项目安装” 一文中，执行过程的 “Download Models” 部分就是下载这些预训练模型以及所需要的配套文件，下载脚步会将这些文件放置到对应的路径中，并且在 C++ 主代码内已经做好设置。这是本文所要说明的内容。

2. 自行添加：

这个部分由于牵涉更多的设定，因此会在后面的文章中进行说明。本系统已建立的模型列表如下图：

上面的模型，都是由 NVIDIA 为大家用高性能级别的 GPU 服务器，耗费数天时间所训练出来的模型，效果与质量都是很好的。前面三种都是以 91 类的 COCO 数据集训练出来的物件检测模型，三种模型直接的差异主要在性能与置信度之间。后面 7 种模型都是 “单类” 模型，它们均只能识别一种物件，我们可以对同一个视频去改变不同的模型，看看输出的结果如何，就能清楚“更换模型去改变功能”这句话的意思。

上表中与代码有关系的是第二行 “CLI argument”，也就是我们只要将前面指令中的粗体底线（“ssd-mobilenet-v2”）进行置换，例如调用 ped-100 这个模型，就只能检测 “pedestrians（行人）” 这类物件，请将模型代码部分改成 “pednet”，如此第 5 行内容就变成：