使用Jetson AGX Orin进行口罩识别

在 https://gitee.com/gpus/maskDetection_jetson 代码仓有个口罩识别的案例，我们来看看能不能在Jetson AGX Orin上搞定。

先将该代码仓fork到自己的代码仓（以便魔改）

回到自己的代码仓：

根据README.md来操作吧！

首先需要下载darknet框架并安装，但是众所周知，github不是很友好。

所以还是把 https://github.com/AlexeyAB/darknet 通过gitee来过渡：https://gitee.com/zhanghui_china/darknet

git clone https://gitee.com/zhanghui_china/darknet

根据README

我们来操作：

cd darknet

mkdir build_release

cd build_release

cmake ..

cmake的版本好像有点不够：

记得上次是装过cmake 3.23了。

那怎么回事呢？原来张小白上次整理存储，把/home/zhanghui下的很多东西都挪到/home/zhanghui1下面去了。

那就改一下.bashrc吧：

source ~/.bashrc

cmake --version

cd darknet/build_release/

cmake ..

cmake --build . --target install --parallel 12

...

成功完成安装。

下载darknet53.conv.74模型：

wget https://pjreddie.com/media/files/darknet53.conv.74

由于这又不是一个好的URL，张小白只好再用其他方法下载：

然后使用MobaXterm传到Orin上去。

下载口罩识别工程：

git clone https://gitee.com/zhanghui_china/maskDetection_jetson

cd maskDetection_jetson

unzip dataset.zip

执行 ./0_dataDispatch.py

执行结果如下：

修改mask.data文件：

将每个文件或目录名改为真实的地址：

复制 /home1/zhanghui/darknet/cfg/yolov4-tiny-custom.cfg 到当前目录：

根据以下要求：

修改 yolov4-tiny-custom.cfg

编辑 1_trainMask.sh

将前面下载的74文件移动到当前目录：

开始模型训练：

屏幕会闪很久：

据说Jetson Nano 4G会训练90分钟左右。

看看Orin到底需要训练多久：

在训练的过程中，Orin的风扇开始响了。前面都是静悄悄的干活。。。

我们另开一个终端窗口，打开jtop看下使用情况:

ALL:

GPU:

CPU:

确实有12个CPU。

看来主要是GPU在跑。

跑完了。

其实时间也帮我算了：

real 13m19.088s
user 26m12.781s
sys 2m59.157s

现在GPU是休息了：

看来算力比Jetson Nano 4G大很多的结论是没跑的了。（等有空把这些骚操作在我的Jetson Nano B01上试一下——你这个喜新厌旧的张小白。。。）

cp yolov4-tiny-custom.cfg yolov4-tiny-custom.cfg.train

再按照下面的指引：

修改yolov4-tiny-custom.cfg的参数：

像上图那样打开注释，增加注释即可。

修改推理代码 2_demoMask.sh

先用本地test试一下吧：

./2_demoMask.sh

由于MobaXterm的加持，图形界面显示到了Windows中：

从测试视频上来看，正面戴口罩识别率较好，侧脸识别率略差。也有误识别的情况：

你对着一个口罩识别它没有戴口罩是几个意思？

当然，也可以识别出人没有戴口罩：

识别完毕！

下次等张小白搞定了摄像头后，再来看下Jetson AGX Orin能否用摄像头识别有没有戴口罩。

（全文完，谢谢阅读）