查看: 911|回复: 0

[官方资料] NVIDIA Jetson Nano 2GB 系列文章（50）：智能避障之模型训练

这原本应该是任何深度学习应用的第一个步骤，包括采集所需要的图像数据以及用框架工具进行模型训练，但这个过程比较枯燥乏味，因此在上一篇文章先让大家体验一下避撞的效果，但最终还是得回头将这个步骤补上，才能让这个项目更加完整，并且适合于更多使用场景。

Jetbot 使用深度学习最基础的图像分类功能，模拟人类真实的视觉感知能力来实现避撞的应用，基本的原理在前一篇文章里已经详细说明，原厂提供的 best_model.pth 模型文件所采用的数据集，肯定于您的现场环境不尽相同，如果在您的场地所显示的效果不够好，那最根本的解决办法，就是重新收集数据并且训练模型。

这个部分没有什么技术或原理需要说明，主要是以下几个细节需要多加注意就行：

1. 摄像头规格一致性：

采集数据使用的摄像头与 live_demo 是同一个型号，包括镜头的广角度，如果使用同一个是最好的。任何人不能期望用 160 度广角摄像头采集数据所训练的模型，能在平光摄像头下很精准地识别，反之亦然。

同样地，也不要期望用手机或其他设备去采集图像所训练的模型，能在 Jetbot 上非常顺畅地执行推理，也不要指望在 Jetbot 上执行很顺畅的模型，能在其他种类摄像头下获得精准的推理结果，当然我们不会阻止您去尝试的。

摄像头的匹配是深度学习应用的基础关键，如果忽略这个基本点，则其他工作的努力也可能都是白费。

2. 图像收集与分类的细节：

项目里提供的 data_collection.ipynb 脚本，就是配合 Jetbot 小车使用 CSI 摄像头拍摄图像并且进行分类。

这个脚本的内容非常简单，主要功能就是启动摄像头、创建 “add free” 与 “add blocked” 按钮，将画面捕捉的图像分别添加到 “free” 与 “blocked” 文件夹中，然后提供给训练代码执行模型训练，请自行调整输出成下面状态，便于后面的操作。

这个环节是最繁琐但又至关重要的部分，很多疏忽之处都是在这里发生，因为大部分初学者都不知道这个数据分类步骤所造成的影响，特别是对“距离感”的分类问题，这是影响避撞效果。下图左是 Jetbot 与标的物距离 20 厘米时，下图右则是会拍摄到的图像。

这时候要将这张图归类为“free”还是“blocked”？这就看每个人不同的习惯，保守的人可能归类到“free”而激进的人可能归类到“blocked”，这个归类就影响 Jetbot 小车“看到”怎样的图像就决定转向。

如果您想让小车在距离标的物 10 厘米时才转向，那么在上一张图时选择“free”分类，然后在下一张“距离 10 厘米”时所拍的图像归类为“blocked”，否则 Jetbot 可能大老远看到这个标的物时就判断为“blocked”。

最好先定好安全距离，然后在面对不同标的物时都采取相同的标准，如此用 Jetbot 摄像头为“free”类与“blocked”类各收集 200 张左右图片，也就是我们得为在控制电脑上运行 data_collection.ipynb 脚本，执行 400+ 次的图像采集与分类的工作。

在https://www.youtube.com/watch?v=Pn84HPMnApI有一段关于这个数据收集与分类的视频，上图是这个视频的部分截屏，其实想象一下就知道有多繁琐，虽然过程并不困难，但考验的是大家的耐心与细心。

事实上，例如单纯的障碍物体放到 Jetbot 前面，可以根据不同距离选择分类，还是比较轻松的。比较辛苦的部分是“路况图像”的采集与分类，例如在办公室地面会遇到的“桌椅脚”、“墙角”、“不平坦”等路况，就必须让 Jetbot 到现场去采集，这才是整个环节中最耗费劳动力的部分。

这样的问题是否有辅助的方法？我们在本系列第 9 篇文章“用键盘与摇杆控制基本走动”的内容中，讲解过用 basic_motion.ipynb 能创建如下图右下角的控制板，去控制 Jetbot 小车的移动，现在就开启这个脚本，一路执行到这个控制板控制功能，然后同样将这个控制板的 Output View 与 data_collection.ipynb 的输出，集成如下图状态。

现在就可以将 Jetbot 置于地上，我们坐在桌上操作控制台 PC，透过右下角按钮指挥 Jetbot 移动，然后透过摄像头回传的画面，将图像进行分类，这样就不用拎着笔记电脑、趴在地上去用手挪动 Jetbot 去获取图像。

3. 选择训练设备：

在 data_collection.ipynb 最后一个步骤是将收集分类的数据集进行压缩，目的是要在其他计算性能较好的设备上进行模型训练，可以在 Jetson AGX Xavier、Xavier NX 或者装有 CUDA GPU 卡的 x86 PC 上，但还需要配置相应的开发环境，包括 CUDA、CUDNN、TensorRT 等库，以及 TensorFlow、PyTorch、torchvision 这些框架，这里面还牵涉到非常多的版本对应问题，其实是相当复杂的一项任务。

事实上，面对这样 400 张 224x224 尺寸的图像集，计算数据量并不大，用 Jetbot 的 Jetson Nano（含2GB）是足以胜任的，顶多就是一两个小时的模型训练时间，但与重新达一个训练环境相比，这个就简单太多了。

因此这里推荐就是使用 Jetbot 的设备进行训练就行，这样收集完数据之后也不需要进行文件压缩的步骤。

4. 神经网络的一致性：

在项目中提供 3 个 train_model_xxx.ipynb，其中 train_model.ipynb 使用最经典的 AlexNet 神经网络进行训练，其对应的演示脚本就是前一篇文章的 live_demo.ipynb，这是针对 AlexNet 神经网络的推理应用。

如果在这里选择使用改良过的 ResNet18 神经网络（train_model_resnet18.ipynb 脚本），则演示的时候就得使用相同神经网络的 live_demo_resnet18.ipynb，这些对应不能有错。

至于还有两个与 trt 相关的演示脚本，也都是基于 ResNet18 神经网络的延伸功能，先用 live_demo_resnet18_build_trt.ipynb 脚本将 best_model.pth 转换成 TensorRT 加速引擎的 best_model_trt.pth 再用 live_demo_resnet18_trt.ipynb 调用进行演示，这会在推理过程使用更少的计算资源。

另外还有个 train_model_plot.ipynb 训练脚本，则是在 AlexNet 神经网络基础上添加“可视化”的检视功能，对于模型训练并没有什么影响。

训练脚本里面的绝大部分参数都是经过优化处理的，除非您对这个神经网络相当熟悉，否则就不需要去改动，除了以下 3 个可以进行调整：

batch_size：在“Create data loaders to load data in batches”步骤的 train_loader 与 test_loader 的 batch_size 可以根据设备显存进行调整。
NUM_EPOCHS：训练回合数，基本上用 30 回应该足够，通常 20 回可能已经进入收敛状态。
BEST_MODEL_PATH：最终输出文件名，这个训练脚本会在训练回合数中找出精确度最高的一次结果，然后存成指定文件名。如果您要面向多个不同场地的话，可能需要训练多个模型，就可以自行设定。

5. 检验结果：

这里唯一的检验方式，就是执行 live_demo 让 Jetbot 跑动起来，看看是否如预期般地避开障碍物与坑洞，如果最终识别效果不够好，通常最可能出现问题的部分如下：