物体检测服务器端SDK集成文档-Linux-Atlas

ssh HwHiAiUser@192.168.1.199
#登录后会强制修改密码
ssh HwHiAiUser@192.168.1.198

{
    "VERSION": "1.3.8.B902", 
    "NAME": "DDK", 
    "TARGET": "ASIC"
}

sudo apt-get install sshpass build-essential

export DDK_PATH=$HOME/tools/che/ddk/ddk # ddk的安装路径

declare -a DIVICE_IPS=("192.168.1.199") # 300加速卡芯片的ip地址，device=0 对应192.168.1.199
DEVICE_PASSWORD="Huawei@SYS3" # 之前 修改300加速卡SSH密码
MAIN_CPP="demo_async.cpp" # demo_async.cpp" 异步接口， “demo_async.cpp" 同步接口

OpenCV_install_dir=/home/HwHiAiUser/opencv_x64/ # OpenCV 3.4版本，需要存在${OpenCV_install_dir}/share/OpenCV/OpenCVConfig.cmake文件

cd demo
sh test_300.sh

[stat] [100001]image/1.jpg(4 images) time used: 41ms （at 1583765958531) total:705ms
[result][100001][image/1.jpg][281470472005664] is: n07747607 orange 0.973633 950; 


n07747607 orange 分类名
0.973633 分类概率
950 分类名的序号

[stat] time used : 101ms; all time used:478
images[3] result:
label:no2_ynen;prob:0.985352 loc:[(0.459961,0.839844), (0.5625,0.988281)]

no2_ynen 分类名 ， 也可以获取分类名的序号
0.985352 分类概率
loc:[(0.459961,0.839844), (0.5625,0.988281)]， 检测框的位置。 (0.459961,0.839844)表示左上角的点，(0.5625,0.988281)右下角的点；
如原始图片608， 左上角(0.459961*608,0.839844*608)， 右下角(0.5625*608,0.988281*608)

    // step 0: 设置序列号
    global_controller()->set_licence_key("set your license here");

    // step 1: 配置模型资源目录
    AtlasConfig config; 
    config.model_dir = {模型文件目录};

    // step 2: 创建并初始化Predictor； 
    auto predictor = global_controller()->CreateEdgePredictor(config);
    int ret = predictor->init();
    # 若返回非0，请查看输出日志排查错误原因。
    auto img = cv::imread({图片路径});
    // step 3: 预测图像
    std::vector<EdgeResultData> result2;
    predictor->infer(img, result2);
    # 解析result2即可获取结果

// step 0: 设置序列号
global_controller()->set_licence_key("set your license here");

// step 1: 配置模型资源目录
AtlasConfig config; 
config.model_dir = {模型文件目录};

// step 3: 创建Predictor；这这里选择合适的引擎
auto predictor = global_controller()->CreateEdgePredictor(config);

// step 4: 设置异步回调
predictor->set_result_handler(YOUR_HANDLER);

// step 5: 初始化
int ret = predictor->init();
# 若返回非0，请查看输出日志排查错误原因。

// step 6: 预测图像
auto img = cv::imread({图片路径});
color_format = kBGR;
float threshold = 0.1;

uint64_t seq_id;
predictor->infer_async(img, color_format, 0.1, nullptr, seq_id);
# YOUR_HANDLER里面有seq_id的回调结果

virtual int set_licence_key(const std::string& license) = 0;

EdgeLogConfig log_config;
log_config.enable_debug = true;
global_controller()->set_log_config(log_config);