一、ImageNet

有關ImageNet，以下是維基百科的說明

ImageNet项目是一个大型视觉数据库，用于视觉目标识别软件研究。该项目已手动注释了1400多万张图像[1][2]，以指出图片中的对象，并在至少100万张图像中提供了边框[3]。ImageNet包含2万多个典型类别[2]，例如“气球”或“草莓”，每一类包含数百张图像[4]。尽管实际图像不归ImageNet所有，但可以直接从ImageNet免费获得标注的第三方图像URL[5]。2010年以来，ImageNet项目每年举办一次软件竞赛，即ImageNet大规模视觉识别挑战赛（ILSVRC）。挑战赛使用1000个“整理”后的非重叠类[6]，软件程序比赛正确分类和检测目标及场景。 

資料來源：https://zh.wikipedia.org/wiki/ImageNet

目前有很多深度學的神經網路是可以取的被使用的，包括辨識，檢測/定位和語義分析，目前最常被拿來學習的是影像辨識，尤其是 ImageNet已經有許多被訓練完非常精確的模型，也就是為什麼Nvidia直接在入門體驗上使用這個模型。

Nvidia提供了兩個範例程式碼來作為啟動ImageNet模型辨識的方式

分別是C++與Python兩種

• imagenet.cpp (C++)

• imagenet.py (Python)

這兩個範例可以做適度的修改，有趣的是可以提供多種影像的來源方式(包含介面與通訊協定)達7種之多，輸出也有5種，其實已經包山包海了。

請參閱Camera Streaming and Multimedia

 https://github.com/dusty-nv/jetson-inference/blob/master/docs/aux-streaming.md

二、開始吧

 $ cd jetson-inference

   切換到jetson-inference目錄

$ docker/run.sh

   執行docker container

$ cd build/aarch64/bin/

   切換到這個目錄喔，可以翻閱前面的其他文章

   不然會出現 bash: ./imagenet.py: No such file or directory

預設提供了兩隻程式，我選擇python的

# C++

$ ./imagenet images/orange_0.jpg images/test/output_0.jpg     # (default network is googlenet)

# Python

$ ./imagenet.py images/orange_0.jpg images/test/output_0.jpg  # (default network is googlenet)

來測試車子的影像辨識吧!

下載影片網址 https://drive.google.com/file/d/1Pu8J-2ZJLdJzV4rT_PVnYqaDH1CJMTKp/view?usp=sharing

將下載的影片搬到 jetson-inference/data/images

處理影片

如果是在本機端執行阿，就可以馬上看到辨識的結果喔，而且是即時的，不過...好像我下載的影片有點長啦...要耐心等待

# Python

$ ./imagenet.py images/car.mp4 images/test/output_car.mp4  

辨識完成的影像

範例影片辨識

一樣需要先下載影片，然後做模型的辨識喔

# Download test video (thanks to jell.yfish.us) 這個是叫您下載影片

  建議先切換到 jetson-inference/data/images資料夾，再執行這段下載程式碼

$ wget https://nvidia.box.com/shared/static/tlswont1jnyu3ix2tbf7utaekpzcx4rc.mkv -O jellyfish.mkv

# C++

$ ./imagenet --network=resnet-18 images/jellyfish.mkv images/test/jellyfish_resnet18.mkv

# Python  我選擇這個

$ ./imagenet.py --network=resnet-18 images/jellyfish.mkv images/test/jellyfish_resnet18.mkv

三、使用不同的模型

接下來測試其他的模型(--network=resnet-18)，我一樣是選用python程式

當選之前沒用過的辨識模型，第一次載入需要比較久的時間喔

# C++

$ ./imagenet --network=resnet-18 images/jellyfish.jpg images/test/output_jellyfish3.jpg

# Python

$ ./imagenet.py --network=resnet-18 images/jellyfish.jpg images/test/output_jellyfish3.jpg

四、其他模型

我們下載的模型是detectnet的，所以就不是使用 imagenet.py，要改用 detectnet-console.py

# Python

$  ./detectnet-console.py  images/a01.jpeg images/test/output_a01.jpg

$  ./detectnet-console.py  images/a02.jpg images/test/output_a02.jpg