1、转换 onnx模型

yolov5仓库地址（下载v5_6.1版本）： https://github.com/ultralytics/yolov5

1) 配置环境

# onnx>=1.9.0  # ONNX export
# onnx-simplifier>=0.3.6 


2) export.py 导出 onnx

python export.py --data data/coco128.yaml --weights ./yolov5s.pt --simplify --include onnx


3) 可视化onnx

工具网址： https://netron.app

输出维度： box（x_center，y_center，width，height） + box_score + 类别信息

2、下载封装代码并修改

gitee仓库地址：https://gitee.com/cvmart/ev_sdk_demo4.0_vehicle_plate_detection

极市地址：https://extremevision-js-userfile.oss-cn-hangzhou.aliyuncs.com/user-14409-files/c0a56641-c6a7-4cc6-ac25-ac1ddf6b57d5/ev_sdk_demo4.0_vehicle_plate_detection-master.zip

cp -r ev_sdk_demo4.0_vehicle_plate_detection-master/* ./ev_sdk/

1）修改配置文件

 - config/algo_config.json
   "mark_text_en": ["vehicle", "plate"],
     "mark_text_zh": ["车辆","车牌"], 
 - src/Configuration.hpp 
   std::map<std::string, std::vector<std::string> > targetRectTextMap = { {"en",{"vehicle", "plate"}}, {"zh", {"车辆","车牌"}}};// 检测目标框顶部文字
 - // 修改，定义报警类型    
   std::vector<int> alarmType = {1,2,3};


2）修改模型路径

• src/SampleAlgorithm.cpp

3）修改模型推理

 - src/SampleDetector.cpp
   m_InputWrappers.emplace_back(dims_i.d[2], dims_i.d[3], CV_32FC1, m_ArrayHostMemory[m_iInputIndex] + 2 * sizeof(float) * dims_i.d[2] * dims_i.d[3]);
   m_InputWrappers.emplace_back(dims_i.d[2], dims_i.d[3], CV_32FC1, m_ArrayHostMemory[m_iInputIndex] + sizeof(float) * dims_i.d[2] * dims_i.d[3] );
   m_InputWrappers.emplace_back(dims_i.d[2], dims_i.d[3], CV_32FC1, m_ArrayHostMemory[m_iInputIndex]);
     float r = std::min(m_InputSize.height / static_cast<float>(img.rows), m_InputSize.width / static_cast<float>(img.cols));
     m_Resized.convertTo(m_Normalized, CV_32FC3, 1.0/255);
 - src/SampleAlgorithm.cpp 修改 ProcessImage 报警逻辑
   {
       auto iter = find(mConfig.alarmType.begin(), mConfig.alarmType.end(), obj.label);
       if(iter == mConfig.alarmType.end())
       {
           continue;
       }


3、编译测试

1）编译

  - 编译SDK库
    mkdir -p /usr/local/ev_sdk/build
    cd /usr/local/ev_sdk/build
    cmake ..
    make install 
  - 编译测试工具
    mkdir -p /usr/local/ev_sdk/test/build
    cd /usr/local/ev_sdk/test/build
    cmake ..
    make install 


2）测试

  - 输入单张图片，需要指定输入输出文件
    /usr/local/ev_sdk/bin/test-ji-api -f 1 -i ../data/vp.jpeg -o result.jpg


4、提交封装测试

改好模型目录 models/exp/weights/best.onnx

省略/model/exp/weights/best.onnx