|
1)实验平台:正点原子DNK210开发板
2)购买链接:https://detail.tmall.com/item.htm?id=782801398750
3)全套实验源码+手册+视频下载地址:http://openedv.com/thread-348335-1-1.html
4)正点原子官方B站:https://space.bilibili.com/394620890
5)正点原子手把手教你学DNK210快速入门视频教程:https://www.bilibili.com/video/BV1kD421G7fu
6)正点原子FPGA交流群:132780729
第四十一章 YOLO2物体检测实验
在上一章节中,介绍了利用maix.KPU模块实现YOLO2的人手检测,本章将继续介绍利用maix.KPU模块实现YOLO2的物体检测。通过本章的学习,读者将学习到YOLO2网络的物体检测应用在CanMV上的实现。
本章分为如下几个小节:
41.1 maix.KPU模块介绍
41.2 硬件设计
41.3 程序设计
41.4 运行验证
41.1 maix.KPU模块介绍
有关maix.KPU模块的介绍,请见第39.1小节《maix.KPU模块介绍》。
41.2 硬件设计
41.2.1 例程功能
1. 获取摄像头输出的图像,并送入KPU进行YOLO2的物体检测模型运算,后将运算结果和摄像头输出的图像一起显示在LCD上。
41.2.2 硬件资源
本章实验内容,主要讲解maix.KPU模块的使用,无需关注硬件资源。
41.2.3 原理图
本章实验内容,主要讲解maix.KPU模块的使用,无需关注原理图。
41.3 程序设计
41.3.1 maix.KPU模块介绍
有关maix.KPU模块的介绍,请见第41.1小节《maix.KPU模块介绍》。
41.3.2 程序流程图
图41.3.2.1 YOLO2人手检测实验流程图
41.3.3 main.py代码
main.py中的脚本代码如下所示:
- import lcd
- import sensor
- import image
- import gc
- from maix import KPU
- lcd.init()
- sensor.reset()
- sensor.set_framesize(sensor.QVGA)
- sensor.set_pixformat(sensor.RGB565)
- sensor.set_hmirror(False)
- resize_img = image.Image(size=(320, 256))
- anchor = (1.3221, 1.73145, 3.19275, 4.00944, 5.05587, 8.09892, 9.47112, 4.84053, 11.2364, 10.0071)
- names = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
- # 构造KPU对象
- object_detecter = KPU()
- # 加载模型文件
- object_detecter.load_kmodel("/sd/KPU/voc20_detect.kmodel")
- # 初始化YOLO2网络
- object_detecter.init_yolo2(anchor, anchor_num=len(anchor) // 2, img_w=320, img_h=240, net_w=320, net_h=256, layer_w=10, layer_h=8, threshold=0.5, nms_value=0.2, classes=len(names))
- while True:
- img = sensor.snapshot()
- resize_img.draw_image(img, 0, 0).pix_to_ai()
- # 进行KPU运算
- object_detecter.run_with_output(resize_img)
- # 进行YOLO2运算
- objects = object_detecter.regionlayer_yolo2()
- for object in objects:
- img.draw_rectangle(object[0], object[1], object[2], object[3], color=(0, 255, 0))
- img.draw_string(object[0] + 2, object[1] + 2, "%.2f" % (object[5]), color=(0, 255, 0))
- img.draw_string(object[0] + 2, object[1] + 10, names[object[4]], color=(0, 255, 0))
- lcd.display(img)
- gc.collect()
复制代码 可以看到一开始是先初始化了LCD和摄像头。
接着是构造一个KPU对象,并从文件系统中加载YOLO2人手检测网络需要用到的网络模型,并初始化YOLO2网络。
然后便是在一个循环中不断地获取摄像头输出的图像,由于网络需要的图像尺寸与摄像头直接输出的图像尺寸不一致,因此将其复制到网络需要的图像尺寸的图像上,再并将其送入KPU中进行运算,然后再进行YOLO2网络运算,最后便得到网络识别出物体在输入图像上的一些信息,将这些信息绘制到图像上后,在LCD上显示图像。
41.4 运行验证
将DNK210开发板连接CanMV IDE,点击CanMV IDE上的“开始(运行脚本)”按钮后,将摄像头对准物体,让其采集到物体图像,随后便能在LCD上看到摄像头输出的图像,同时图像中的物体均被绿色的矩形框框出,并在矩形框内的左上角标出了物体的名称和置信度,如下图所示:
图41.4.1 LCD显示YOLO2物体检测结果 |
阿莫论坛20周年了!感谢大家的支持与爱护!!
你熬了10碗粥,别人一桶水倒进去,淘走90碗,剩下10碗给你,你看似没亏,其实你那10碗已经没有之前的裹腹了,人家的一桶水换90碗,继续卖。说白了,通货膨胀就是,你的钱是挣来的,他的钱是印来的,掺和在一起,你的钱就贬值了。
|