接下來的重點，就是在目前深度學習中比較普及的“物件檢測”應用，重點主要有以下三部分：

1. 簡單說明“物件檢測”的內容。

2. 使用本項目的 detecnet 物件分類指令，進行多樣化的推理識別測試。

3. 深入說明 jetson.inference 模塊的 detectNet（） 以及相關的函數用法。

如此讓大家能快速掌握這項物件檢測功能，以及開發代碼的重點。

物件檢測（object detection）簡單說明

這是比圖像分類更進一步的應用，因為日常生活中，在絕大部分可看到的畫面中，不會只存在一個物體，通常是多種類別的多個物體，左圖識別出有“四個人”、右圖識別出“一個人與一匹馬”，當然真的要細部再探索的話，還有其他類別的物體也可以被識別，這是視覺類深度學習中使用頻率最高的一種應用。

在物件檢測的識別中，還只是比較“概略性”地將物體用“矩形框”的方式來標識，那能不能將物體的“實際形狀”更細膩地標識出來呢？當然可以，這就是更高階的“語義分割”應用，留在下一篇文章里面說明。

前面的圖像分類是以“一張圖像”為單位，這里的物件檢測則是以“物件框”為單位，因此所需要的數據集就不僅僅是圖像了，還要將圖像中所需要的類別加以標注，然后存成特定格式之后，提供給訓練框架去進行模型訓練，這是相當耗費人力的一個過程，而且標注的細膩程度也會對最終的精確度產生影響。

關于這個模型的訓練過程，會在后面的文章中帶著大家動手做一次，這也是整個 Hello AI World 項目中的一部分，而且也提供非常好用的工具，協助大家采集數據、標注物件框、進行模型訓練等。

以上就是物件檢測的簡單說明，接下去直接使用項目提供的 detectnet 指令來進行實驗。

detectnet 指令的使用

與 imagenet 的調用邏輯是一樣的，當系統編譯好之后，就生成 detectnet 指令，可以在 Jetson 設備中任何地方調用。同樣的，項目也為 detectnet 準備了幾個預訓練好的網絡模型，可以非常輕松地調用，預訓練模型。

系統預設的神經網絡是 “SSD-Mobilenet-v2”，基于 91 種分類的 COCO 數據集進行模型訓練，詳細的類別內容可以參考 ~/jetson-inference/data/networks 目錄下的ssd_coco_labels.txt，事實上能識別的物件有 90 種，另外加一個 “unlabeled” 種類。

detectnet 的參數調用與 imagenet 幾乎一致，輸入源與輸出標的的支持方式完全相同，因此我們可以執行下面指令，直接看看得到怎樣的效果：

在執行過程中，會看到命令終端不斷出現類似下圖的信息，里面顯示一些重要的信息，包括“使用的網絡模型文件”、“4 個執行階段占用時間”、“檢測到滿足閾值的物件數”、“物件類別/置信度”，以及“物件位置”等信息。

detectnet 也能導出 RTP 視頻流到指定的電腦，詳細用法請參考前面 “Utils的videoOutput 工具”一文中有詳細說明，這個用法的實用度非常高，可以讓你將 Jetson Nano 2GB 設備放置在任何能接網絡的角落，不斷讀取攝像頭內容在 Jetson 上執行物件識別，然后將結果傳輸到你的桌面電腦或筆記本上，這樣你就可以非常輕松地進行監控。

輸入 “detectnet --help” 可以得到完整的幫助信息，由于內容太多，我們在這里不占用篇幅去說明，多嘗試一些指令的組合，會讓你進一步掌握這個指令的重點。

接下來看看如何在 Python 代碼中，調用這個項目的物件檢測函數，來開發自己的物件檢測應用。

detectNet（）函數的用法

與前面圖像分類的邏輯一樣，作者雖然在 ~/jetson-inference/python/examples 下面提供了一個 my-detection.py 范例，這個就是我們一開始所示范的“ 10 行代碼威力”的內容，這個范例的好處是“代碼量最少”，但對應的缺點就是“彈性小、完整度不夠”，因此從務實的角度，我們還是推薦以 /usr/local/bin/detect.py 這只代碼為主，這只代碼能執行的功能，與 detectnet 指令幾乎一致。

與 imagenet.py 代碼相同的，一開始有一段“參數解析”的指令，如下截圖：

這部分同樣請參考先前的“參數解析功能”文章，在這里不重復贅述。接下來我們將與物件檢測有關的指令挑出來說明，這樣可以讓讀者更加容易將焦點集中在有關的部分：

51 行：net = jetson.inference.detectNet（opt.network， sys.argv， opt.threshold）

用 jetson.inferene.detectNet（） 函數建立 net 這個物件檢測對象，與前面的 imageNet（） 的邏輯是一樣的，不過這里所輸入的參數，除了 network（網絡模型類別）之外，還多了一個 threshold（閾值）。因為物件檢測的功能，是要在圖像中識別出“所有可能”的物件，如果沒有一個“最低門檻”的限制，就會滿屏都是物件。

系統已經給這兩個參數都提供預設值，network 預設為 “SSD-Mobilenet-v2”、threshold 預設值為 0.5。

如果要在代碼外部利用參數去改變設定，就可以如以下方式：

--network=multiped，表示要使用“Multiped-500”這個網絡模型

--threshold=0.3，表示將閾值改成0.3

這樣 net 對象就具備了執行物件檢測的相關功能，然后再繼續以下的步驟。

63 行：detections = net.Detect（img， overlay=opt.overlay）

這道指令，就是將 input.Capture（） 獲取的一幀圖形，傳入 net.Detect（） 函數去執行物件檢測的推理識別計算，另一個參數 “overlay” 的功能是“檢測覆蓋”的一個標識，只影響顯示輸出的方式，與檢測結果并沒有關系，大部分時候都不需要去改變。

這里最重要的是 detections 這個數組變量，由于每幀圖像所檢測出來物件數量是不固定的，數組的結構在說明文件中并未完整表達，因此需要從執行的代碼中去找到蛛絲馬跡，這個部分在下一道指令中可以找到答案。

66~69 行：

print（“detected {：d} objects in image”.format（len（detections）））

for detection in detections：

print（detection）

這部分執行完之后，會在命令終端上顯示兩個很重要的信息：

本幀圖像所找到滿足閾值的物件數量。

前面變量detections的數據結構。

在命令終端執行以下指令，

看看所顯示的信息，如下截屏：

這里可以看到，代碼最后面 “len（detections）” 的值，就是本幀圖像所檢測到的物件數量，而 detections 的數據結構就是：

ClassID：類別編號

Confidence：置信度

Left：標框左坐標

Top：標框上坐標

Right：標框右坐標

Bottom：標框下坐標

Width：框的寬度 = Right - Left

Height：框的高度 = Bottom - Top

Area：面積 = Width x Height

Center：中心點坐標 = （ （Left+Right）/2， （Top+Bottom）/2 ）

確認了 net.Detect（） 返回值之后，就能很輕易地以這些數據去開發滿足特定要求的應用。

至于后面的 output.Render（img）、output.Status（） 這些函數，在前面的文章里面都講解的很清楚，這里不再重復。

到這里，要利用 Hello AI World 這個項目所提供的庫資源，去開發自己的應用程序，就顯得非常簡單了。

編輯：jq