2024-6-21 16:50:54 [显示全部楼层]
5041浏览
查看: 5041|回复: 3

[M10教程] 基于行空板的shufflenetv2物体分类项目

[复制链接]
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,找到画面中的方形物体并将其框出。

二、知识目标
学习使用opencv进行图像处理及形状检测的方法。

三、实践准备
硬件清单:
基于行空板的shufflenetv2物体分类项目图1

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。

基于行空板的shufflenetv2物体分类项目图2

2、通过USB连接线将行空板连接到计算机。

基于行空板的shufflenetv2物体分类项目图3

2、软件编写
第一步:打开Mind+,远程连接行空板

基于行空板的shufflenetv2物体分类项目图4

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shufflenetv2物体分类项目”的文件夹,导入本节课的依赖文件。

基于行空板的shufflenetv2物体分类项目图5

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:
  1. import os
  2. # 设置NCNN的环境变量
  3. os.environ["NCNN_HOME"] = os.getcwd()
  4. import sys
  5. import cv2
  6. import time
  7. import numpy as np
  8. import ncnn
  9. # 导入ncnn的模型库
  10. from ncnn.model_zoo import get_model
  11. # 导入工具函数
  12. from utils import print_topk
  13. # 打开默认的摄像头设备
  14. cap = cv2.VideoCapture(0)
  15. # 设置摄像头的分辨率为320x240
  16. cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)
  17. cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 240)
  18. # 设置摄像头的缓冲区大小为1,这样可以减少延迟
  19. cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)
  20. # 创建一个名为'image'的全屏窗口
  21. cv2.namedWindow('image',cv2.WND_PROP_FULLSCREEN)    #Set the windows to be full screen.
  22. cv2.setWindowProperty('image', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)    #Set the windows to be full screen.
  23. # 从模型库中获取ShuffleNetV2模型,使用4个线程进行推理
  24. net = get_model("shufflenetv2", num_threads=4, use_gpu=False)
  25. # 主循环
  26. while cap.isOpened():
  27.     # 从摄像头中读取一帧
  28.     success, image = cap.read()
  29.     # 如果读取失败,则忽略这一帧
  30.     if not success:
  31.         print("Ignoring empty camera frame.")
  32.         # If loading a video, use 'break' instead of 'continue'.
  33.         continue
  34.     # 使用ShuffleNetV2模型对图像进行分类,得到每个类别的分数
  35.     cls_scores = net(image)
  36.     # 在图像上打印出前三个最可能的类别
  37.     image = print_topk(cls_scores, 3, image)
  38.     # 将图像逆时针旋转90度
  39.     image = cv2.rotate(image, cv2.ROTATE_90_COUNTERCLOCKWISE)
  40.     # 显示图像
  41.     cv2.imshow('image', image)
  42.     # 如果按下了'ESC'键,则退出循环
  43.     if cv2.waitKey(5) & 0xFF == 27:
  44.         break
  45. # 释放摄像头设备
  46. cap.release()
复制代码

3、运行调试
第一步: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,将摄像头画面对准一个物体(如鼠标),可以看到概率最大的前三类结果被显示在了屏幕上,其中,概率最高的为“mouse,computer mouse”即鼠标。

基于行空板的shufflenetv2物体分类项目图6

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,实时地从摄像头中读取图像,然后使用ShuffleNetV2模型对图像进行分类,并在图像上打印出前三个最可能的类别。整体流程如下,
①初始化:程序启动时,会设置NCNN的环境变量。然后,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。接着,创建一个名为'image'的全屏窗口,用于显示图像。最后,从模型库中获取ShuffleNetV2模型,并设置相关参数。
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,则忽略这一帧,继续下一次循环。
· 使用ShuffleNetV2模型对读取到的帧进行分类,得到每个类别的分数。
· 在读取到的帧上打印出前三个最可能的类别。打印方式是在图像上添加文本,文本内容是类别的名称和对应的分数。
· 将打印后的帧逆时针旋转90度,然后在窗口中显示出来。旋转是为了使图像的显示方向与摄像头的拍摄方向一致。
③用户交互:在每次循环的最后,程序会检查用户的键盘输入。如果用户按下了'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。这是为了释放摄像头设备占用的资源,使其可以被其他程序使用。

五、知识园地
1. 了解ShuffleNetV2模型
ShuffleNet V2 是一种轻量级的深度神经网络架构,专为在计算和内存资源有限的设备(比如智能手机或嵌入式设备)上运行而设计。它由FaceBook的研究团队在2018年提出,并在ImageNet图像分类任务上取得了很好的性能。
ShuffleNet V2的主要特点是引入了两种新的操作:channel shuffle(通道混洗)和pointwise group convolution(分组卷积)。这两种操作可以有效地减少模型的计算量和参数数量,同时保持良好的性能。

1. Channel Shuffle(通道混洗):这是一种操作,它会重新排列输入特征图的通道顺序。这样可以增加不同通道之间的信息交换,从而提高模型的表示能力。
2. Pointwise Group Convolution(分组卷积):这是一种特殊的卷积操作,它会将输入特征图的通道分成若干组,然后在每一组内部进行卷积。这样可以减少模型的计算量和参数数量,同时保持良好的性能。
ShuffleNet V2的另一个特点是模型架构的设计原则,包括等通道数卷积、均衡的宽度和输出通道数以及逐渐增大的输出通道数等,这些设计都是为了平衡模型的计算量、参数数量和性能。
总的来说,ShuffleNet V2是一种高效、轻量级的深度神经网络架构,适合在资源有限的设备上进行图像分类和其他计算机视觉任务。

代码.zip

4.89 MB, 下载次数: 492

web  学徒

发表于 2024-6-24 08:26:23

Traceback (most recent call last):
  File "/root/视觉/main.py", line 10, in <module>
    import ncnn
ModuleNotFoundError: No module named 'ncnn'

咋整
回复

使用道具 举报

auroraAA  管理员
 楼主|

发表于 2024-7-3 17:34:22

需要先运行一下上节课nanodet项目的这个程序(安装依...

@web 需要先运行一下上节课nanodet项目的这个程序(安装依赖包)
https://mc.dfrobot.com.cn/thread-319336-1-1.html nanodet这个项目哦
基于行空板的shufflenetv2物体分类项目图1
回复

使用道具 举报

jsp  见习技师

发表于 2024-7-4 11:03:36

英文代码的,有中文备注,呵呵
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

为本项目制作心愿单
购买心愿单
心愿单 编辑
[[wsData.name]]

硬件清单

  • [[d.name]]
btnicon
我也要做!
点击进入购买页面
上海智位机器人股份有限公司 沪ICP备09038501号-4

© 2013-2024 Comsenz Inc. Powered by Discuz! X3.4 Licensed

mail