Awesome

YOLOX-ONNX-TFLite-Sample

YOLOXのPythonでのONNX、TensorFlow-Lite推論サンプルです。<br> ONNX、TensorFlow-Liteに変換したモデルも同梱しています。変換自体を試したい方はYOLOX_PyTorch2TensorFlowLite.ipynbを使用ください。<br>

https://user-images.githubusercontent.com/37477845/136243868-7a6437ae-47ba-4696-aa03-f83e051bb8bc.mp4

Requirement

• Pytorch 1.9.0 or later
• apex 0.1 or later
• pycocotools 2.0 or later
• OpenCV 3.4.2 or later
• onnxruntime 1.5.2 or later

Demo

デモの実行方法は以下です。

python sample_onnx.py

• --device<br> カメラデバイス番号の指定<br> デフォルト：0
• --movie<br> 動画ファイルの指定 ※指定時はカメラデバイスより優先<br> デフォルト：指定なし
• --image<br> 画像ファイルの指定 ※指定時はカメラデバイスや動画より優先<br> デフォルト：指定なし
• --width<br> カメラキャプチャ時の横幅<br> デフォルト：960
• --height<br> カメラキャプチャ時の縦幅<br> デフォルト：540
• --model<br> ロードするモデルの格納パス<br> デフォルト：model/yolox_nano.onnx
• --input_shape<br> モデルの入力サイズ<br> デフォルト：416,416
• --score_th<br> クラス判別の閾値<br> デフォルト：0.3
• --nms_th<br> NMSの閾値<br> デフォルト：0.45
• --nms_score_th<br> NMSのスコア閾値<br> デフォルト：0.1
• --with_p6<br> Large P6モデルを使用するか否か<br> デフォルト：指定なし

python sample_tlite.py

• --device<br> カメラデバイス番号の指定<br> デフォルト：0
• --movie<br> 動画ファイルの指定 ※指定時はカメラデバイスより優先<br> デフォルト：指定なし
• --image<br> 画像ファイルの指定 ※指定時はカメラデバイスや動画より優先<br> デフォルト：指定なし
• --width<br> カメラキャプチャ時の横幅<br> デフォルト：960
• --height<br> カメラキャプチャ時の縦幅<br> デフォルト：540
• --model<br> ロードするモデルの格納パス<br> デフォルト：model/yolox_nano_float16_quantize.tflite
• --input_shape<br> モデルの入力サイズ<br> デフォルト：416,416
• --score_th<br> クラス判別の閾値<br> デフォルト：0.3
• --nms_th<br> NMSの閾値<br> デフォルト：0.45
• --nms_score_th<br> NMSのスコア閾値<br> デフォルト：0.1
• --with_p6<br> Large P6モデルを使用するか否か<br> デフォルト：指定なし

Reference

• Megvii-BaseDetection/YOLOX

Author

高橋かずひと(https://twitter.com/KzhtTkhs)

License

YOLOX-ONNX-TFLite-Sample is under Apache-2.0 License.

License(Movie)

サンプル動画はNHKクリエイティブ・ライブラリーのイギリス ウースターのエルガー像を使用しています。