seo做网站赚钱,招聘网站续费怎么做分录,自己怎么做 优惠券网站,建筑网图集在线模型训练 概念理解准备工作1 采集图像1.1 图像要求1.2 使用K210采集图片 2 标注图像3 打包数据集4 上传数据4.1创建项目4.1.1图像分类创建项目4.1.2图像检测创建项目 4.2上传数据4.2.1分类检测上传数据4.2.2图像检测上传数据 5 训练模型6 部署模型以及测试7 测试效果7.1图像… 在线模型训练 概念理解准备工作1 采集图像1.1 图像要求1.2 使用K210采集图片 2 标注图像3 打包数据集4 上传数据4.1创建项目4.1.1图像分类创建项目4.1.2图像检测创建项目 4.2上传数据4.2.1分类检测上传数据4.2.2图像检测上传数据 5 训练模型6 部署模型以及测试7 测试效果7.1图像检测7.2 图像分类 8 齐护编程 程序8.1图像检测8.2 图像分类 9.课程资源下载9-1 程序9-2 模型 联系我们 我们可以通过Maixhub网站提供的模型训练功能来实现分类模型和目标检测模型的训练需要准备好需要训练的数据集。 概念理解
首先我们要理解两个应用概念
目标分类 识别图片所属的种类返回的数据只有类别和概率值。
目标检测识别目标返回数据有物品的种类、概率值以及位置信息等 简单理解如果不需要检测物体坐标输出的 用目标分类 需要坐标则目标检测。 准备工作
请先下载要使用的工具 下载
1 采集图像
1.1 图像要求
采集的图像分辨率为224x224
采集图像数量
目标分类 每类图片数量不低于40张目标检测 每类图片数量不低于100张
1.2 使用K210采集图片
使用以下脚本下载到AIstart k210主板内复制到文本文件然后存成main.py放入到SD卡内。
这是一个拍照存到SD卡的程序对着我们要识别的物体拍照尽量多角度的拍跟后面实际要识别的角度、环境光等越接近拍下来后面就识别精度越高自动存在AIstart的SD卡内后面我们要用到。
def capture_main(key):def draw_string(img, x, y, text, color, scale, bgNone , full_w False):if bg:if full_w:full_w img.width()else:full_w len(text)*8*scale4img.draw_rectangle(x-2,y-2, full_w, 16*scale, fillTrue, colorbg)img img.draw_string(x, y, text, colorcolor,scalescale)return imgdef del_all_images():os.chdir(/sd)images_dir cap_imagesif images_dir in os.listdir():os.chdir(images_dir)types os.listdir()for t in types:os.chdir(t)files os.listdir()for f in files:os.remove(f)os.chdir(..)os.rmdir(t)os.chdir(..)os.rmdir(images_dir)# del_all_images()os.chdir(/sd)dirs os.listdir()images_dir cap_imageslast_dir 0for d in dirs:if d.startswith(images_dir):if len(d) 11:n int(d[11:])if n last_dir:last_dir nimages_dir {}_{}.format(images_dir, last_dir1)print(save to , images_dir)if images_dir in os.listdir():img image.Image()img draw_string(img, 2, 200, please del cap_images dir, colorlcd.WHITE,scale1, bglcd.RED)lcd.display(img)sys.exit(1)os.mkdir(images_dir)last_cap_time 0last_btn_status 1save_dir 0save_count 0os.mkdir({}/{}.format(images_dir, save_dir))while(True):img0 sensor.snapshot()if set_windowing:img image.Image()img img.draw_image(img0, (img.width() - set_windowing[0])//2, img.height() - set_windowing[1])else:img img0.copy()# img img.resize(320, 240)if key.value() 0:time.sleep_ms(30)if key.value() 0 and (last_btn_status 1) and (time.ticks_ms() - last_cap_time 500):last_btn_status 0last_cap_time time.ticks_ms()else:if time.ticks_ms() - last_cap_time 5000:img draw_string(img, 2, 200, release to change type, colorlcd.WHITE,scale1, bglcd.RED)else:img draw_string(img, 2, 200, release to capture, colorlcd.WHITE,scale1, bglcd.RED)if time.ticks_ms() - last_cap_time 2000:img draw_string(img, 2, 160, keep push to change type, colorlcd.WHITE,scale1, bglcd.RED)else:time.sleep_ms(30)if key.value() 1 and (last_btn_status 0):if time.ticks_ms() - last_cap_time 5000:img draw_string(img, 2, 200, change 齐护编程ject type, colorlcd.WHITE,scale1, bglcd.RED)lcd.display(img)time.sleep_ms(1000)save_dir 1save_count 0dir_name {}/{}.format(images_dir, save_dir)os.mkdir(dir_name)else:draw_string(img, 2, 200, capture image {}.format(save_count), colorlcd.WHITE,scale1, bglcd.RED)lcd.display(img)f_name {}/{}/{}.jpg.format(images_dir, save_dir, save_count)img0.save(f_name, quality95)save_count 1last_btn_status 1img draw_string(img, 2, 0, will save to {}/{}/{}.jpg.format(images_dir, save_dir, save_count), colorlcd.WHITE,scale1, bglcd.RED, full_wTrue)lcd.display(img)del imgdel img0def main():try:capture_main(key)except Exception as e:print(error:, e)import uios uio.StringIO()sys.print_exception(e, s)s s.getvalue()img image.Image()img.draw_string(0, 0, s)lcd.display(img)
main()使用请参考这里
使用读卡器从SD拷贝文件删除掉无效图片。这里我拍了两种物体分别是我们的C02mini和TFT模块每种大概有100张左右。
2 标注图像
打开我们刚才下好的工具软件进行标注。 分类图像不需要操作此步。 选择一个需要标类别图片的目录 选择输出标文件的目录 点标注,框住要识别的物体如图所示 输入标签名之后点OK然后点保存。 通过切换图片对目录下所有图片进行标注。
3 打包数据集 分类图像不需要操作此步。 将图片和标数据打包成zip文件
文件格式为 zip 压缩包大小500M以内
数据集格式同 Pascal VOC 数据集图片数量限制为2000张超出该数量的图片会被忽略压缩包内应包含 images 文件夹和 xml 文件夹一张图片对应一个名字相同的 xml 标注文件目录结构
标结果打包成两个zip文件
4 上传数据
4.1创建项目
4.1.1图像分类创建项目
打开MaixHub登录后点击模型训练。填入项目名称以及项目类型。根据自己需要选择正确的项目类型。
进入项目后进行数据采集
4.1.2图像检测创建项目
创建时选择项目类型为图像检测即可.
4.2上传数据
4.2.1分类检测上传数据
创建亲的数据集标类型选择分类。
点击查看后采集数据
为分类添加标签名选中一个标签为该标签上传图片。选择该分类所有图片上传图片
再次点数据集查看刚刚创建的数据集是否正确。
切换标签检查一下选择的图片是否正确。
4.2.2图像检测上传数据
上传2~3步制作的zip数据包即可。
同样也可以查看是否正确。
5 训练模型
在数据集中选择数据然后确定。
部署平台选择nncase
点击 输入训练名称开始训练。
等待模型训练完成。
6 部署模型以及测试
点部署模型后选择手动部署下载对应模型。
下载解压后得到三个文件 main.py 用于测试的程序文件 .kmodel模型文件拷贝到SD卡内。 report.json 报告文件内含锚点数据。 将.kmodel和main文件复制到SD卡进行测试。记得修改摄像头垂直和水平镜像 7 测试效果
7.1图像检测 7.2 图像分类 8 齐护编程 程序
8.1图像检测 8.2 图像分类 9.课程资源下载
9-1 程序
下载
9-2 模型
下载
联系我们
扫码或者点这里加群了解更多 Created by qdprobot
