K210板教程４——物体分类功能

在很多的K２１０主板或传感器中都有一个识别２０种物体的功能
这２０种物体分别是：飞机、自行车、鸟、船、瓶子、巴士、汽车、猫、椅子、牛、餐桌、狗、马、摩托车、人、盆栽植物、羊、沙发、火车、电视。
对应的英文名称分别为：aeroplane, bicycle, bird, boat, bottle, bus, car, cat, chair, cow, diningtable, dog, horse, motorbike, person, pottedplant, sheep, sofa, train, tvmonitor.
其实这是因为采用了物体分类功能训练了一个模型文件（后面的教程会教大家如何自己训练模型），K210调用模型文件即可实现对这20种物体的分类。
在人工智能领域，进行物体分类一般采用CNN算法。
CNN也叫convnet，中文名称为卷积神经网络，是计算机视觉领域常用的一种深度学习模型。

这里不对CNN做详细说明，感兴趣的同学可以去网上搜索学习。
在卷积神经网络衍生出很多算法，其中比较经典的算法是YOLO算法。
“You Only Look Once”或“YOLO”是一个对象检测算法的名字，这是Redmon等人在2016年的一篇研究论文中命名的。YOLO将对象检测重新定义为一个回归问题。它将单个卷积神经网络(CNN)应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。YOLO实现了自动驾驶汽车等前沿技术中使用的实时对象检测。

这些我们都不做深入研究，我们只要知道如何应用即可。
下面回到我们之前说的20种物体分类，直接上代码：
记住要先将模型文件复制到TF卡里面。

运行结果如下：

效果非常不错。动手尝试一下吧。
人脸检测功能和20种物体分类是一样的，只需要更改模型名和锚点参数即可。

附件附件

20种物体分类识别.mix

20class.kmodel

人脸检测.mix

facedetect.kmodel

锚点参数是怎么改呢？这些数字有什么特殊意义