TensorRT DeepSort的C++实现

1.环境

• TensorRT 7.2.3
• win10
• VS2017

2.ReID模型的TensorRT实现

#1.ReID项目下载

git clone [email protected]:ZQPei/deep_sort_pytorch.git
git clone [email protected]/JDAI-CV/fast-reid.git

#2.合并项目生成ONNX

#1.
将model/exportOnnx.py拷贝到deepsort_sort_pytorch项目下
#2.
将fast-reid下的fastreid文件夹拷贝到deep_sort_pytorch项目下
#3.
安装必要的python库，主要来源于上述两个项目中的requirements.txt

#4.
cd deepsort_sort_pytorch
python exportOnnx.py

# 生成Dynamic shape的 deepsort.onnx 文件

#3.ONNX生成TensorRT Engine

trtexec --onnx=deepsort.onnx --saveEngine=deepsort.trt --workspace=1024 --minShapes=input:1x3x128x64 --optShapes=input:128x3x128x64 --maxShapes=input:128x3x128x64 --fp16 --verbose

3.解耦合的目标检测

#1.解耦的目标检测模型

项目是使用了YOLOV5s 3.0的模型。该部分TensorRT加速和DeepSort在项目设计上是是解耦的，因此读者可以替换为任何感兴趣的目标检测模型

#2.YOLOV5s 3.0核心代码的修改

这部分代码在model/yolo.py和model/export_xxxx.py中

#3.生成ONNX

cd yolov5
python export_xxx.py

# 生成ONNX

#4.ONNX转TensorRT Engine

trtexec --onnx=yolov5s.onnx --saveEngine=yolov5s.engine --verbose

4.Slide教程

• 打开Slide教程详细解读
• VS2017直接build