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
- python3
- pytorch
- pycocotools
- numpy
- opencv
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
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
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_v2BN融合：
python conv+bn2conv.py -d mask --cuda -v slim_yolo_v2 -r your_weight_pathBN融合后微调精度：
python retune_bias_quantize.py -d mask --cuda -v slim_yolo_v2_q_bf -r your_weight_pathFPGA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_pathYou can run python train.py -h to check all optional argument.
.
python test.py -v slim_yolo_v2_q_bf -d mask --cuda --trained_model your_weight_path python demo.py -v slim_yolo_v2_q_bf --mode camera --trained_model your_weight_path