736| 0
|
[M10项目] 基于行空板的nanodet物体分类项目 |
一、实践目标 本项目在行空板上外接USB摄像头,通过摄像头来识别物体,找到画面中的物体将其框出并识别。 二、知识目标 1、学习使用ncnn框架和Nanodet模型实现实时物体检测。 三、实践准备 硬件清单: 软件使用: Mind+编程软件x1 四、实践过程 1、硬件搭建 1、将摄像头接入行空板的USB接口。 2、通过USB连接线将行空板连接到计算机。 2、软件编写 第一步:打开Mind+,远程连接行空板 第二步:在“行空板的文件”中新建一个名为AI的文件夹,在其中再新建一个名为“基于行空板的nanodet物体分类项目”的文件夹,导入本节课的依赖文件。 第三步:编写程序 在上述文件的同级目录下新建一个项目文件,并命名为“main.py”。 示例程序:
3、运行调试 第一步:运行“1-Install_dependency.py”程序文件,等待自动安装依赖包。 第二步:运行主程序 运行“main.py”程序,可以看到初始时屏幕上显示着摄像头拍摄到的实时画面,将摄像头画面对准苹果、鼠标、手机等不同的物体,可以看到其被一一识别出。 Tips:程序运行过程中,可能需要联网自动更新下载模型。 4、程序解析 在上述的“main.py”文件中,我们主要通过opencv库来调用摄像头,获取实时视频流,然后使用ncnn库的NanoDet模型对图像进行目标检测,并在图像上标记出检测到的目标。整体流程如下, ①初始化:程序启动时,会打开默认的摄像头设备,并设置摄像头的分辨率和缓冲区大小。然后,程序会创建一个名为'image'的全屏窗口,用于显示图像。接着,程序会从模型库中获取NanoDet模型,并设置模型的相关参数。 ②主循环:程序进入一个无限循环,在每次循环中,程序会执行以下操作: - 从摄像头中读取一帧。如果读取失败,则会忽略这一帧,继续下一次循环。 - 使用NanoDet模型对读取到的帧进行目标检测,得到检测到的目标列表。 - 在读取到的帧上标记出检测到的目标。标记方式是在每个目标的外接矩形区域内,画出该目标的类别名称和置信度。 ·将标记后的帧逆时针旋转90度,然后在窗口中显示出来。 ③用户交互:程序会检查用户的键盘输入,如果按下了'ESC'键,那么程序会退出主循环。 ④结束:当主循环结束时,程序会释放摄像头设备,然后退出。 五、知识园地 1. 了解ncnn库的NanoDet模型 ncnn是一个为移动端优化的高效神经网络前向计算框架,由腾讯的开源项目NCNN提供。ncnn可以运行在Android、iOS等移动设备上,支持多种神经网络模型,包括NanoDet。 NanoDet是一个高效的、轻量级的目标检测模型。它的设计目标是在保持较高的准确率的同时,尽量减小模型的大小和计算量,从而能够在资源受限的设备(如移动设备和嵌入式设备)上实现实时的目标检测。 NanoDet的主要特点包括: 1. 轻量级:NanoDet的模型大小非常小,只有约1MB,这使得它可以在资源受限的设备上运行。 2. 高效:NanoDet的计算量非常小,只有约1.5BFLOPs,这使得它可以在移动设备上实时运行。 3. 高精度:尽管NanoDet的模型大小和计算量都非常小,但它的检测精度仍然非常高,可以达到与一些更大、更复杂的模型相媲美的性能。 NanoDet使用了一些先进的神经网络设计技术,如深度可分离卷积、注意力模块等,来实现高效和高精度的目标检测。它的网络结构主要包括一个特征提取网络和一个目标检测头,特征提取网络用于从输入图像中提取特征,目标检测头用于根据提取的特征进行目标检测。 |
3.91 MB, 下载次数: 675
© 2013-2024 Comsenz Inc. Powered by Discuz! X3.4 Licensed