通过云端自动生成openmv的神经网络模型，进行目标检测
通过云端自动生成openmv的神经网络模型，进行目标检测
- OpenMV训练神经网络模型（目标识别）
- 一、准备材料：
- 二、软件下载
- 三、准备数据集：
- 四、数据集的上传与训练
OpenMV训练神经网络模型（目标识别）
一、准备材料：
1.OpenMV4 Plus（低版本的openmv可能算力不够不支持）
2.一根micro usb的数据线
3.电脑、网络
二、软件下载
在openMV官网下载openmv IDEhttps://book.openmv.cc/
下载完毕后进入IDE界面：
三、准备数据集：
1.首先在D盘里创建一个新的文件夹，用来放置一会要存放的数据集：
这里我创建的数据集名为new data
2.打开openmv的IDE，点开工具栏并选择数据集编辑器，点击新数据集：
选择刚刚新建的new data文件夹：
完成后的界面：
3.拍摄需要识别的图像，采集样本数据
连接上我们的openmv，然后运行程序（这个程序是新建文件后自动生成的默认程序），可以看到右侧出现了拍摄到的实时图像。
这里假设我们需要区分空调遥控板或是电视机遥控板，则我们需要新建两个不同的文件夹，例如air_conditioner_RCB和TV_RCB,点击左侧的新建文件夹按钮即可新建文件夹：
接下来就可以开始采集照片了！
（左为电视机遥控器，右为空调遥控器）
4.采集数据集照片：
在连接上openmv后，点击左侧的采集数据来保存当前帧缓冲区内的照片：
（右侧为实时图像，左侧为保存图像）
在拍照时尽量采用多角度的拍摄，并且大概每组数据在100-200张左右。
采集完毕之后进入下一步。
四、数据集的上传与训练
这里使用的是云端的edge impulse网站来进行模型的训练及自动生成。只需要将我们刚刚得到的数据集上传即可获得openmv可使用的训练模型，并进行目标识别。
1.用户的登录
点击右上角Login in进行登录。
新用户需要在这个网站上进行注册，只要邮箱就可以注册。
2.新建工程文件：
选择第一项，图片处理。
准备上传数据。
3.获得key，通过key在openmv上上传数据集：
复制这个API KEY（如果没显示完全，可以选中后右键进入检查，在网页源代码中复制这段文本）
复制完成后打开openmv IDE，找到上传入口（如图所示）
点开后将key粘贴进去。
如果没有显示错误的话（我这里报错了），可以正常上传至云端。
若报错，显示：
出现该错误时，可以直接在网页端直接上传照片文件。
在这上传文件，选项可以选择和图片一致。
右侧显示上传完成后，可以进行下一步。
4.选择处理对象和模式：
这里选择默认的处理模式
保存后左侧选择Image，并配置：
选择后保存后继续配置：
设置好之后点击下方开始训练：
完成训练后，发现数据的准确性还是非常高的（100%）
5.可以选择配置保存版本
保存了第一版，之后如果需要调用可以直接取该版本。
6.导出训练模型，移植到openmv中：
选择openmv后点击build，生成工程文件，下载并解压后得到以下文件。
将这些文件移动到openmv的U盘中：
将python文件拖入IDE中，运行：
可以看到识别的效果还是很不错的，既是在黑色的背景下依旧能够识别到空调遥控器。
识别效果还是很不错的。
当然，它也可以用来识别其他的东西。例如口罩识别，性别识别等等；也可以进行多目标检测，效果还是很不错的。
大家可以关注openmv的官网，也有较为详细的解释教程。
通过云端自动生成openmv的神经网络模型，进行目标检测相关推荐
- 首个面向自动驾驶领域的3D点云目标检测教程！(单模态+多模态/数据+代码)
背景介绍 3D检测用于获取物体在三维空间中的位置和类别信息,主要基于点云.双目.单目和多模态数据等方式.其中,点云数据由于具有较为丰富的几何信息,相比于其它单模态数据更为稳定,基于激光雷达点云数据的3 ...
- 面向自动驾驶领域的3D点云目标检测方法汇总！(单模态+多模态/数据+代码)
背景介绍 3D检测用于获取物体在三维空间中的位置和类别信息,主要基于点云.双目.单目和多模态数据等方式.其中,点云数据由于具有较为丰富的几何信息,相比于其它单模态数据更为稳定,基于激光雷达点云数据的3 ...
- 面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)...
背景介绍 3D检测用于获取物体在三维空间中的位置和类别信息,主要基于点云.双目.单目和多模态数据等方式.其中,点云数据由于具有较为丰富的几何信息,相比于其它单模态数据更为稳定,基于激光雷达点云数据的3 ...
- 首发Yolov8涨点神器：华为诺亚2023极简的神经网络模型 VanillaNet---VanillaBlock助力检测，实现暴力涨点
目录 1.VanillaNet 2. VanillaBlock引入到yolov8 2.1 加入加入ultralytics/nn/backbone/VanillaNet.py 2.2 tasks.py ...
- 特斯拉应用在自动驾驶汽车上的神经网络模型—Occupancy Networks
2022 年CVPR上,特斯拉宣布将在其自动驾驶车辆中发布一种全新的算法.这个算法被命名为Occupancy Networks,它用来改进特斯拉的AI 模型HydraNets. --1-- 特斯拉自动 ...
- 亚马逊开源模型设计神器：AutoGluon，三行代码自动生成SOTA模型！
点击我爱计算机视觉标星,更快获取CVML新技术 本文转载自新智元. 亚马逊最近宣布推出AutoGluon,这是一个新的开源库,开发人员可以使用该库构建包含图像.文本或表格数据集的机器学习应用程序.使用 ...
- 堆叠式神经网络模型及GUI可视化应用
Illustrations by Stas Yurev ♚ 作者:沂水寒城,CSDN博客专家,个人研究方向:机器学习.深度学习.NLP.CV Blog: http://yishuihancheng.b ...
- 美团开放平台SDK自动生成技术与实践
美团开放平台为整个美团提供了20+业务场景的开放API,为了使开发者能够快速且安全的接入美团开放平台,美团开放平台提供了多种语言的SDK来提高开发者的接入效率.本文介绍了美团开放平台如何自动生成SDK ...
- 用什么软件能从excel数据自动生成word版的环境实验室检测报告
您可以使用Microsoft Word的邮件合并功能来自动生成基于Excel数据的环境实验室检测报告.具体步骤如下: 在Excel中准备好您的数据,确保每一列都有一个相应的列标题. 在Word中,创建 ...
最新文章
- 位域 内存 字节序_JS操作内存？二进制数组了解一下
- C++ STL究竟有多慢？
- c语言常用二个标准库函数
- (转载)从金岳霖到哥德尔
- 2021年中国独臂强盗市场趋势报告、技术动态创新及2027年市场预测
- 【老兵不朽】时隔1年，jQuery 发布新版 3.4.0
- 惠普打印机墨盒更换教程_惠普打印机怎么换墨盒 一不小心就洒了一桌子墨水...
- 第2章-系统控制原理 -＞ 李雅普诺夫稳定性分析
- 自然语言处理技术之准确率(Precision)、召回率(Recall)、F值(F-Measure)简介
- 怎么登陆小程序服务器端,微信小程序如何登录
- oracle revoke 列_oracle受权与回收权限grant和revoke
- React `controlled` 及 `uncontrolled` 组件
- 微信小程序前端解密获取用户信息
- Git综合应用及常见问题汇总
- Loongson_2F/ 3A【tftp+u盘】方式安装系统（开机不认u盘）
- 鸿蒙支持lOS,读了鸿蒙 OS 的代码后，我发现优秀项目都有这个共性！
- python listdir 忽略 隐藏文件_忽略特殊文件
- python成语接龙到为所欲为_Python小伙用简单爬虫实现成语接龙小游戏！
- c语言有多难？一个新手刚学c语言的无奈
- 每天150亿起攻击 这是一个恐怖的企业安全故事！