○ DetectNet 재훈련(Re-training)

(1)  [Docker에서] Jetson nano에서 외장메모리를 Docker container에 마운트

cd jetson-inference

docker/run.sh --volume /media/mobis/mobis_usb:/media/mobis/mobis_usb 

(2)  [Docker에서] 전이학습 위한 폴더 이동

 cd /jetson-inference/python/training/detection/ssd

(3)  [Docker에서] 전이학습 위한 폴더 살펴보기

ls

(4)  [Docker에서] 아래 코드를 입력하여, 새로운 데이터를 이용한 Re-training 수행

(4-1) 처음 학습

※ (USB 사용의 경우) 

python3 train_ssd.py --data=/media/mobis/mobis_usb --model-dir=models --batch-size=4 --epochs=5

※ (SD카드의 경우) 

python3 train_ssd.py --data=data --model-dir=models --batch-size=4 --epochs=5

(4-2) 학습된 네트워크 모델을 이어서 훈련하는 경우

※ USB 사용의 경우 예시 (--resume 추가, pth 파일은 가장 마지막의 epoch)

python3 train_ssd.py --data=/media/mobis/mobis_usb --model-dir=models --batch-size=4 --epochs=5

--resume=models/mb1-ssd-Epoch-3-Loss-5.4405885025074605.pth

※ SD card 사용의 경우 예시 (--resume 추가, pth 파일은 가장 마지막의 epoch)

python3 train_ssd.py --data=data --model-dir=models --batch-size=4 --epochs=5

--resume=models/mb1-ssd-Epoch-3-Loss-5.4405885025074605.pth

(4-3) 테스트시

※ 학습을 본격적으로 하기 전에 테스트시, 다음의 코드 작성 

--batch-size=1 --workers=1 --debug-steps=1

(5)  [Docker에서] 모델 생성 결과 확인 ( "(4) 코드의 --model-dir=위치" 에서, 위치 폴더를 열면 됩니다.  )

ls models

○ ONNX로 네트워크 모델 이전

• 학습된 딥네트워크 모델을 TensorRT에서 불러올 수 있도록, pytorch에서 ONNX로 모델 전환

※ 현재 위치는 외장 메모리를 마운트한 docker container의 /jetson-inference/python/training/detection/ssd 임.

(1)  [Docker에서] 아래 코드 입력

python3 onnx_export.py --model-dir=models

(2)  [Docker에서] 모델 생성 결과 확인 ( "(4) 코드의 --model-dir=위치" 에서, 위치 폴더를 열면 됩니다.  )

ls models

○ 새로 학습된 딥네트워크 테스트 (1. Offline, 이미지 파일)

• 아래 코드를 입력하여, 테스트에 사용할 이미지 불러오기

(1) [Docker 밖에서] 테스트 이미지 확인

(1-1) 새로운 terminal 열기 (Ctrl + Alt + t).  ※ (1) 의 terminal 는 계속 열어두기

(1-2) 아래 코드를 입력하여, 테스트 이미지 저장된 폴더로 이동 → 폴더 내부 보기

cd /media/mobis/mobis_usb/test

ls

(1-3) 테스트용 이미지를 하나 골라서, 열어보기

eog ab14b3edc8b7f481.jpg

(2) [Docker에서] 테스트 이미지 저장된 폴더 지정 (아래 굵은 글씨는 변경 가능)

※ (SD카드의 경우) 

IMAGES=data/test

※ (USB의 경우) 

IMAGES=/media/mobis/mobis_usb/test

(3) [Docker에서] 아래 코드를 docker container에 입력하여, 학습 완료된 모델 실행 (※ 현재 위치: /jetson-inference/python/training/detection/ssd)

detectnet.py --model=models/ssd-mobilenet.onnx --labels=models/labels.txt --input-blob=input_0 --output-cvg=scores --output-bbox=boxes "$IMAGES/testImage(*.jpg)" $IMAGES/output.jpg

※ 영상의 경우, video.mp4   video.avi 등을 testImage 대신에 입력으로 넣고 (예시, "$IMAGES/video.mp4"), 

출력에 output.jpg 대신에 outputvideo1.avi 를 하면 됨 (예시, $IMAGES/outputvideo1.avi).

※ 여러 이미지를 한꺼번에 테스트 하고 싶은 경우, 입력에서 testImage.jpg 를 지우고 빈칸으로 두고 (예시, "$IMAGES/"), 

출력에서 output.jpg을 지우고 빈칸으로 두면 됨 (예시, $IMAGES/).

(4) [Docker 밖에서] 결과 확인

(4-1) 새로운 terminal 열기

(4-2) 아래 코드를 입력하여, 결과 이미지 열기

eog /media/mobis/mobis_usb/test/output.jpg

○ 새로 학습된 딥네트워크 테스트 (2. Online (Real-time), 카메라)

• 아래 코드를 외장 메모리 마운트된 docker container에 입력  (※ 현재 위치: /jetson-inference/python/training/detection/ssd)

detectnet.py --model=models/ssd-mobilenet.onnx --labels=models/labels.txt --input-blob=input_0 --output-cvg=scores --output-bbox=boxes --input-width=800 --input-height=400 csi://0