FPGA Yolov2 Mask detection

基于FPGA量化的人脸口罩检测

主框架使用：https://github.com/yjh0410/yolov2-yolov3_PyTorch

添加bn融合以及FPGA量化部分,并设计实际使用的网络结构slim_yolov2

数据集使用：https://github.com/AIZOOTech/FaceMaskDetection 内的人脸口罩数据集，转成VOC格式后使用

Installation Dependencies:

• python3
• pytorch
• pycocotools
• numpy
• opencv

Dataset

将数据集软连接到该文件夹的dataset下

example:

ln -s /data/coco dataset/coco
        
ln -s /data/VOC dataset/VOC

Visualization

Train

在此只展示训练口罩检测时用的代码，其余command可以从https://github.com/yjh0410/yolov2-yolov3_PyTorch 中自行查找

VOC

泛用用例：

python train.py -d dataset --cuda -v [select a model] -hr -ms

训练FP32模型：

python train.py -d mask --cuda -v slim_yolo_v2

BN融合：

python conv+bn2conv.py -d mask --cuda -v slim_yolo_v2 -r your_weight_path

BN融合后微调精度：

python retune_bias_quantize.py -d mask --cuda -v slim_yolo_v2_q_bf -r your_weight_path

FPGA模拟量化：

python retune_bias_quantize.py -d mask --cuda -v slim_yolo_v2_q_bf -q -r your_weight_path

寻找FPGA定点计算时防止溢出而加上的每层的scale_retune：

python retune_bias_quantize_findbest.py -d mask --cuda -v slim_yolo_v2_q_bf -q -r your_weight_path

You can run python train.py -h to check all optional argument. .

test

VOC

python test.py -v slim_yolo_v2_q_bf -d mask --cuda --trained_model your_weight_path 

Detection

python demo.py -v slim_yolo_v2_q_bf --mode camera --trained_model your_weight_path