機械学習・AI【物体検出】vol.12 ：YOLOv4をNVIDIA Jetson AGX Xavierで動かす

【物体検出】vol.12 ：YOLOv4をNVIDIA Jetson AGX Xavierで動かす

2020/04/23　Alexey氏のGithubにYOLOv4が登場しました。

記事"YOLOv4 -- Superior, Faster & More Accurate Object Detection"によると、従来のYOLOv3と比較して、速度はほぼ同等（数パーセントは低下している模様）で、mAPで15%ほど向上しているようです。

※同じデータセットを使って学習したオリジナルモデルにおいて、どの程度の差が出るのかについては、別途記事にします。

今回は、毎度おなじみのNVIDIA Jetson Xavierに最新のYOLOv4を入れて、PreTrainedModelを使った動作検証をします。

最初に結論：
XavierでOpenCV4.2＋YOLOv4が動作します。セットアップには少しだけ工夫が必要です。YOLOv3で動作させていたpythonのプログラムもそのまま動作しました。

OpenCVを最新にする

OpenCV4.2をXavierに導入する手順は、以前の記事"【物体検出】vol.10 ：YOLOv3をNVIDIA Jetson AGX Xavierで動かす~その2（OpenCV4対応）"をご参考にしてください。
cmakeも最新版にしておいた方が良いです。ここでは既に導入済として話を進めます。

Darknetのセットアップ

darknetの最新版を入手する

$ git clone https://github.com/AlexeyAB/darknet.git darknet0604

MakeファイルをXavierに合わせて修正する

ここがとても重要です。さもなくば、エラーでMakeが止まります。（もちろん、その先のビルドもできません）
上でダウロードしたディレクトリ（~/darknet0604）にCmakeList.txtがありますので、テキストエディタで開き、編集します。
修正内容は、 -mavx -mavx2 -msse3 -msse4.1 -msse4.2 -msse4aなどのXavierが対応しないオプションの指定を外すことだけです。
162行目辺り
# set(CMAKE_CXX_FLAGS_RELEASE "${CMAKE_CXX_FLAGS_RELEASE} -ffp-contract=fast -mavx -mavx2 -msse3 -msse4.1 -msse4.2 -msse4a")
# set(CMAKE_C_FLAGS_RELEASE "${CMAKE_C_FLAGS_RELEASE} -ffp-contract=fast -mavx -mavx2 -msse3 -msse4.1 -msse4.2 -msse4a")

ビルド

cmakeを使ってbuilldをします。
今回から、build.shというシェルスクリプトが準備されていて、これを実行するだけでインストールまで完了します。
$ cd darknet0604
$ ./build.sh

動作確認

darknetコマンドを実行します。
$ ./darknet --version
CUDA-version: 10000 (10000), cuDNN: 7.6.3, CUDNN_HALF=1, GPU count: 1
CUDNN_HALF=1
OpenCV version: 4.2.0

OpenCVが4.2でCUDAもcuDNNもちゃんと認識されていて、かつCUDNN_HALFも使えるようになっています。

USBカメラを使って物体検出を実行

...の前に、pre-trained-modelをダウンロードしておかなければなりません。 yolov4.weightsというのが目当ての品です。
~/darknet0604にダウンロードします。
対応するcfgは~/darknet0604/cfg/に既に入っていますので、不要です。

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 0

screenshot.770.jpg