1、yolov5模型（阉割版）训练

1）下载yolov5源码
	a、git clone https://github.com/ultralytics/yolov5.git
	b、git reset --hard 69be8e738
	
2）安装yolov5训练环境
	a、conda create --name yolov5 python=3.7.9 -y
	b、conda activate yolov5
	c、修改requirements.txt，删除coremltools、onnx、scikit-learn前的”#“，增加一行“onnx-simplifier”
	d、pip install -r requirements.txt
	
3）修改训练参数和模型结构
	a、修改data/coco.yaml文件中类别数目、类别名、train/test/val的路径，按照自己的项目规划修改
	b、修改models/yolov5s.yaml文件中类别数目
	c、修改models/yolov5s.yaml中的网络结构，将focus层修改为卷积层，并设置stride为2
	
4）启动模型训练
	python train.py --data data/coco.yaml  --cfg models/yolov5s.yaml --weights ''  --batch-size 64 --img-size 416 --noautoanchor
	
5）模型导出
	python models/export.py --weights weights/last.pt
	
6）模型简化
	python -m onnxsim weights/last.onnx  weights/simple.onnx
	
7）一键安装见:
	InstallYolov5TrainEnv.sh

2、模型转换

1）caffe环境安装
	a、conda create --name caffe python=3.7.9 -y
	b、conda activate caffe
	c、conda install caffe  openblas
	d、pip install pytorch==1.7.0 torchvision=0.8.0
	e、rm -rf ${CONDA_PREFIX}/include/caffe  ${CONDA_PREFIX}/lib/libcaffe*
	f、cd caffe-master
	g、make -j8
	h、make pycaffe -j8
	
2）onnx转caffe
	a、cd yolov5_onnx2caffe
	b、使用根目录下的convertCaffe.py和_operators.py替换项目中的对应文件，
	c、修改convertCaffe.py的caffe_root路径到caffe-master的绝对路径
	d、修改convertCaffe.py中的152--154行，分别对应转换前的简化onnx路径，输出的prototxt和caffemodel路径
	e、python convertCaffe.py
	f、提取prototxt和caffemodel
	g、删除prototxt中的reshape和permute层，各有三个，在文件尾部
	h、修改prototxt文件中的图像输入大小，默认640，在文件头部
	
3）一键安装见：
	InstallCaffeEnv.sh

3、海思模型转换 按照海思提供的指导文档进行转换

4、海思代码修改 （海思的SVP代码中提供了yolov3的sample，我们只需要在这个基础上进行修改即可） 修改【sample_svp_nnie_software.c】,参照【hisi】目录下的图片进行修改

5、附件文件说明 提供的last.pt是10分类的检测模型，对应的anchor值为：[3,3, 5,5, 9,8, 7,13, 13,12, 20,16, 26,27, 48,42, 98,98]

邮箱: 744263061@qq.com