迅为3399开发板新增目标检测技术-RKSSD-编译程序

阳阳天

配套资料在网盘资料的“iTOP-3399 开发板资料汇总（不含光盘内容）\4.人工智能测试资料\RKSSD 测试.zip”目录下。
ITOP-3399 开发板支持瑞芯微提供的深度学习目标检测技术，目标检测是指对图片或视频中的目标性物体进行定位并分类。在性能强大的 ITOP-3399 平台上，对 MobileNet SSD 网络进行专项优化，使得高精度的MobileNet SSD300 1.0 运行帧率达到 8 帧以上，精度略低而速度更快的 MobileNet SSD300 0.75 的运行帧率超过 11 帧。准实时的运行速度，将目标检测这一基础 AI 技术在嵌入式端带向实用。除了准实时的运行速度外，这一技术解决方案支持 Google 的 TensoRFlow Object Detection 训练导出的 TensorFlow Lite 模型。本文档将介绍如何编译测试 RKSSDDEMO。
) S2 z4 ^3 O0 xSSD 优化库基于 Ubuntu16.04ARM 版本开发，只提供 64 位版本。我们将在“搭建好编译环境的Ubuntu16.04 系统镜像”上进行编译。在网盘资料“iTOP-3399 开发板资料汇总（不含光盘内容）\2.搭建好编译环境的 Ubuntu16.04 虚拟机镜像”目录下可以找到。
6 P/ l7 ~4 B, U$ H7 B33.1  编译程序
1、安装编译环境
Ubuntu16.04 输入以下命令安装包
sudo apt-get install cmake
sudo apt-get install gcc-aarch64-linux-gnu
sudo apt-get install g++-aarch64-linux-gnu
9 q& U+ `! Q: C$ x2、进入到 linux 源码 rk3399_linux_sdk_v2.0/external/rkssd 目录下，linux 源码在光盘资料的“iTOP-3399光盘资料\20201112\05 Linux 源码”目录下，使用如下命令新建 build,install 文件夹。
; b& m( K, j& H: k) z& L& J1 Z3 qmkdir build install

3、输入以下命令：
cd build
# t4 C4 u6 P- z- v, @6 u& m+ J! tcmake ../ -DCMAKE_INSTALL_PREFIX="../install"

4、输入以下命令进行编译安装
make
  B/ s" ~+ \2 k* Gmake install

编译完之后可执行程序和依赖库安装到`install/rkssddemo`目录下。
5、首先将`ssd`文件夹拷贝进刚才生成的`install/rkssddemo`目录
cd ../
4 c2 @, ^, F8 o3 `cp -r ssd install/rkssddemo

在 install/rkssddemo/ssd 目录下有要进行测试的图片，如下图所示：

6、将 Ubuntu 上编译好的 rkssddemo 拷贝到 U 盘上，挂载 U 盘到开发板上，然后拷贝 rkssddemo 到开发板的根目录下，如下图所示：
7 u0 v( k+ ^9 ~1 cmount /dev/sda1 /mnt/disk
1 l. s9 \1 G. @+ o; wcd /mnt/disk
1 K& Z+ u, {, i# A* H) U6 y9 F  P+ Tcp -r rkssddemo/ /
& t6 ^+ Z8 a+ A! ccd /
ls rkssddemo/
1 o2 k& ?+ }0 a; G* f, Tchmod 777 -R rkssddemo

7、进入到开发板的 rkssddemo 目录下，运行程序，如下图所示：
6 `) S$ V7 y- O8 D3 G9 Kcd 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、运行程序后会生成 out.jpg，拷贝 out.jpg 到 U 盘上，然后在 Windows 上面进行查看，检测输出图片如下图所示：

如上图所示，可以检测到图片中的目标，比如人，自行车，汽车等等。