Lenet是一种卷积神经网络,可以用来识别打印的、手写的数字
我们之前就有讲到过利用OpenMV的NCC模板匹配算法来进行数字识别,模板匹配需要我们实现保存需要匹配的数字或者字母的模板图片
比如你要识别0、1、2、…、8、9,那么你就需要保存十张图片来进行数字识别,并且模板匹配对于模板图片的大小和角度是有一定要求的:如果我们的数字大小稍微有所变化或角度稍微有所变化,那么我们的模板图片也需要相应地更改,这也是模板匹配的一定局限性
而Lenet数字识别:我们只需要提前保存Lenet数字识别的神经网络模型文件到我们OpenMV内置的flash中,运行例程即可直接进行数字识别,对于数字大小和角度并没有太大的要求(就算数字的大小或者角度改变了,Lenet仍然可以识别出来)
需要注意的是:无论是NCC模板匹配还是Lenet神经网络数字识别,我们的OpenMV只能够识别相对大一点的数字,像身份证上的的身份证号码这么小的数字OpenMV是无法实现识别的
3.6.5及以后固件删除此例程,OpenMV4 Plus使用TensorFlow Lite替代
nn库被删除了,我们只能自己去训练神经网络了文章来源:https://www.toymoban.com/news/detail-633458.html
就当作了解吧🥀文章来源地址https://www.toymoban.com/news/detail-633458.html
# LetNet数字识别例程
import sensor, image, time, os, nn
sensor.reset() # 复位并初始化传感器。
sensor.set_contrast(3)
sensor.set_pixformat(sensor.GRAYSCALE) #设置图像色彩格式,有RGB565色彩图和GRAYSCALE灰度图两种
# 数字识别没有必要用到彩图RGB565&
到了这里,关于OpenMV:18数字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!