《Hello AI》系列：Jetson Nano在Jupyterlab中使用DetectNet 定位物体(Python)

DetectNet 介绍

前面的识别示例输出代表整个输入图像的类概率。接下来我们将重点关注对象检测，并通过提取其边界框来查找各种对象在帧中的位置。与图像分类不同，对象检测网络能够在每帧中检测许多不同的对象。

该detectNet对象接受图像作为输入，并输出检测到的边界框的坐标列表及其类别和置信度值。 detectNet可在Python和C++中使用。 请参阅下文，了解可供下载的各种预训练检测模型。使用的默认模型是在 MS COCO 数据集上训练的91 类SSD-Mobilenet-v2 模型，该模型在使用 TensorRT 的 Jetson 上实现了实时推理性能。

作为使用该类的示例detectNet，我们提供了 C++ 和 Python 的示例程序：

• detectnet.cpp（C++）
• detectnet.py（Python）

这些样本能够检测图像、视频和摄像头中的对象。有关支持的各种类型的输入/输出流的更多信息，请参阅相机流和多媒体页面。

具体的使用方法与说明，请继续查看以下文档：

https://github.com/dusty-nv/jetson-inference/blob/master/docs/detectnet-console-2.md

前置条件

要完整无错运行以下代码，需要：

• 1，已经在本地构建好Jetson-Inference
  构建Jetson-Inference的步骤：《Hello AI》Jetson Nano构建Jetson-inference（Build from source）

• 2，安装Pillow
  使用以下命令进行安装：

  pip3 install Pillow

• 3，把需要分类检测的图像，存放在与代码同一目录

• 4，下载好所需要的模型文件。可以使用/jetson-inference/tools目录里面的download-models.sh程序进行模型的下载。

完整Notebook代码

from jetson_inference import detectNet
from jetson_utils import videoSource, videoOutput
import sys

from matplotlib import pyplot as plt

# 加载模型
net = detectNet("ssd-mobilenet-v2", threshold=0.5)

input = videoSource("peds_3.jpg", argv=sys.argv) # 配置需要导入检测的图片

img = input.Capture() # 获取图像数据

detections = net.Detect(img)

# 显示导出图片
fig = plt.figure(figsize=(10, 5)) 

plt.imshow(img)
plt.title('my picture')
plt.show()

如下图所示：

可以通过以下代码，查看每一个识别出来的信息

for n in enumerate(detections):
    print(n)