K210 Mx-yolov3模型训练和物体识别

这篇具有很好参考价值的文章主要介绍了K210 Mx-yolov3模型训练和物体识别。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、简介

       (1)硬件准备:

              K210开发板:拥有1TOPS算力,可以运行神经网络模型,同时其提供在线模型训练平台(maixhub),支持物体分类和物体识别。

       (2)软件环境

              Mx-yolov3:(用于在本地训练模型)

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

             

              Maixpy:(用于在K210上运行脚本)

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

二、Mx-yolov3使用介绍

       1、下载安装Mx-yolov3

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

       2、按照要求下载安装Python3.7.4,在安装时要勾选将python添加到环境变量中的选项。

       3、安装完Python后安装Python依赖库与预训练权重。

       4、安装tensorflow2.0,CUDA,CUDNN

       1)按要求下载Cuda10.0Cudnn7.6.4,安装Cuda(选择默认路径),安装完后使用下图命令验证,出现图中显示字样则安装正确。

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

CUDA 并不是针对于神经网络专门的 GPU 加速库,它面向各种需要并行计算的应用设计。如果希望针对于神经网络应用加速,需要额外安装cuDNN 库。需要注意的是,cuDNN 库并不是运行程序,只需要下载解压 cuDNN 文件,并配置 Path 环境变量即可。下载完成 cuDNN 文件后,解压并进入文件夹,我们将名为“cuda”的文件夹重命名为“cudnn765”,并复制此文件夹。进入 CUDA 的安装路C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0,粘贴“cudnn765”文件夹即可。

2)安装gputensorflow2.0

       A.进入命令行模式

              conda info -e (查看所有的虚拟环境)

              conda create -n tensorflow2.0 python=3.7 (创建环境)

              conda activate tensorflow2.0(进入到该虚拟环境中)

       B.然后安装

              pip install tensorflow-gpu==2.0

       C.然后安装keras

              pip install keras -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

       D.测试GPU版是否能用(需进入python

              import tensorflow as tf

              tensorflow_version = tf.__version__

              gpu_avilable = tf.test.is_gpu_available()

              print('GPU版本:',tensorflow_version,'\GPU是否可用',gpu_avilable)

              显示:GPU版本: 2.0.0 \GPU是否可用 True

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

参考链接:https://blog.csdn.net/DK_tian/article/details/121647394

以上步骤完成后,使用本地GPU进行模型训练的环境已经搭建完成。

三、Mx-yolov3本地训练的使用

1)使用手机拍摄一段要识别物体的视频(或者网上找一段视频,也可写脚本用k210摄像头采集),使用DataAssistant软件自动转换为图片,再通过Image_tool转换为识别需要的224*224大小的图片,打开labelimg软件对数据集进行标注。(标注时导入图片文件夹,并新建一个xml文件夹用来保存标注完产生的xml文件,图片和xml文件关系为一一对应)

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

2)在Mx-yolov3中按照提示设置参数,选择训练图片地址和训练标签地址,设置训练次数,自动提取种类名称,计算锚点,完成以上步骤即可点击开始训练。

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

3)模型训练中,由于采用了GPU所以训练速度较快

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

4)训练完成后会产生yolov2.h5yolov2.tflite两个文件,点击测试模型,导入.h5文件,稍等一会就可以看到测试效果。

5)点击模型转换按钮,打开NNcase0.1_GUI版本,选择刚才训练出来的yolov2.tflite模型文件,保存地址,量化图片地址(训练图片4~5张),点击开始转换,等待一会,将看到提示模型转换成功,此时我们就得到了可以在k210上运行的.kmodel文件。

三、烧录及运行

1)打开kflash-gui烧录软件,烧录时选择0x300000地址,将转换得到的yolov2.kmodel模型文件同样烧录到K210上,接下来写一个python脚本运行。

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

2)打开maixpy,在maixpy中选择相应的开发板型号,输入脚本代码,选择串口连接开发板,即可运行查看效果。

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

脱机运行:将转换得到的yolov2.kmodel模型文件、模型文件文件夹内的anchor.txt文件、label.txt文件、程序文件内的物体分类脚本boot.py拷贝到sd卡即可。

四、MaixHub在线训练的使用

       以上介绍的是在本地环境中进行训练,也可以到官方提供的MaixHub上进行在线训练,同时在MaixHub上也有很多别人训练完后分享的模型可以下载使用,(经实际使用发现物体分类在线训练精度高,物体识别本地训练精度高)。

1)新建一个文件夹,加入imagesxmllabels三个文件,并按要求压缩上传

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

2)将文件按要求上传后,等待其训练完成即可,训练完后下载模型包

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

压缩包用有python脚本,kmodel文件,label文件以及模型训练结果曲线图

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

三种简单物体分类模型训练结果曲线图:

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

物体识别模型训练结果曲线图:

mx-yolov3,深度学习,深度学习,python,机器学习,计算机视觉

五、总结

       经过一段时间学习,参考了许多博客文件视频教程,目前实现了对目标物数据集的采集、转换及标准,数据模型在线训练已经本地训练,脚本联机运行及脱机运行,需注意数据集的采集最好在不同环境不同背景不同角度采集多份,以提高训练完识别的准确度。

       下一步打算利用k210物体识别做手眼标定,通过串口通信发送给arduino控制机械臂对目标物体进行识别抓取搬运。(目标效果视频: https://b23.tv/94tclzn文章来源地址https://www.toymoban.com/news/detail-612669.html

到了这里,关于K210 Mx-yolov3模型训练和物体识别的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • k210部署自行训练的口罩识别模型

    因为培训需要,开坑K210,前后忙活了3天终于把自行训练的口罩模型部署成功了,实测还行,分享一下经(ni)验(keng): 本人学过一段时间python,见过别人玩开源硬件(没动过手),接触过一点人工智能项目的理论知识(观课议课),先自己体验一下半个项目的过程。 1.资

    2023年04月09日
    浏览(44)
  • K210识别应用:基于yolov2模型的数字识别控制舵机

              注:此文章转载于本人的微信公众号:Young L童鞋                                                                           关注我,走进嵌入式江湖  电赛期间,在实验室学长的引领下入手了一块K210,在很多比赛中,K210的作用是用来做视觉部分,当然也可以用到

    2024年02月15日
    浏览(35)
  • K210学习笔记(十):KPU之物体识别

    进行到KPU的又一个应用咯,其实跟前一个人脸识别的应用没有太多的不同。物体识别这里可是分类二十个物体,而人脸识别只是一个简单的二分类问题。(理论上机器学习也能做但是效果咋样就不知道了)。 大概的程序思路跟上一个实验也是一致的,将该用的函数库导入之后

    2024年02月13日
    浏览(43)
  • STM32如何通过K210进行物体识别(1.开发环境搭建)

    本来参加智能物流机器人比赛是要用OpenMV的,但无奈于诸多因素只有K210可以使用,这也算是不幸中的万幸吧。这篇文章也作为我这一段时间的学习K210进行物体识别的复习与总结(因为种种原因,比赛也面临无法完成,大哭;人工智能小白一枚,欢迎各路大神指正,求轻喷)

    2023年04月10日
    浏览(42)
  • Yahboom亚博K210线上模型训练

          Yahboom亚博K210开发板 的官方套件资料介绍使用方法比较笼统,在实际项目开发的过程中,对于小白来说很不友好,而且 B站等视频平台也没有亚博开发板的使用教程 。本次使用 Maixhub平台 对亚博K210进行开发,限于本人学识和开发经验,对开发过程还是比较浅,对深层

    2024年02月14日
    浏览(37)
  • Canmv K210开发板训练自己的模型

    关于Canmv开发板的介绍: CanMV K210 AI开发板全网首发,项目代码完全开源,千套开发板限时优惠! 本文参考:使用CanMV进行多物体识别   便宜!便宜!便宜!淘宝200即可买到一个能带摄像头和LCD屏等等的开发板,到手即用,对于我们这种学生党来作为学习、打比赛等在性价

    2024年02月01日
    浏览(44)
  • K210学习篇(八)在MaixHub训练模型

    本文着重于如何使用K210拍摄图片,并将图片上传到MaixHub平台进行模型训练。补充一下一些经验心得,比如一些训练参数的设置。 在我们训练模型之前,我们需要获取一些数据集,其实也就是需要识别的物体图片。这里记得我们在获取数据集的时候,尽量使用手里的k210去进行

    2024年02月17日
    浏览(44)
  • K210学习笔记——MaixHub在线训练模型(新版)

      最近sipeed推出了新版的maixhub在线训练平台,因为前端时间比较忙没有时间来体验新版的功能,最近闲下来后赶忙来体验一下。新版maixhub对浏览器有要求的,比如不支持qq浏览器,推荐使用Chrome、Microsoft Edge、Firefox、Safari等浏览器。点击这里跳转新版maixhub。   新版mai

    2023年04月08日
    浏览(33)
  • K210学习笔记(十二)——MaixHub本地训练模型(Windows)

    MaixHub虽然可以在线训练模型,但是数据集限制大小为20M以下,而且大多数时候都需要排队才能训练模型,这可能就不能满足我们对模型的需求,所以我在Windows系统下搭建环境,本地训练模型。对于本地训练的纯小白来说,虽然MaixHub本地训练不需要虚拟机,但是还是要严格按

    2023年04月26日
    浏览(46)
  • 神经网络:训练模型+转化为k210上跑的kmodel

    目录 前言 第一种 第二种 第三种 第四种 结语

    2024年02月16日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包