openmv神经网络训练

已于 2024-05-25 00:00:31 修改
阅读量2.2k 收藏 69
点赞数 14
文章标签： 人工智能 神经网络 计算机视觉 机器学习 深度学习
于 2024-05-24 23:54:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2302_77915576/article/details/139045771
版权

1.打开edgeimpulse网站,要注册一个账号

点击右上角的搜索图标，选择创建新项目

e4a01feecb984ddf95f8d07d85883a21.png

3.填写一些基础配置 

55ed1787a84c48d79494df743ff32388.png

完成创建后，打开OPENMV IDE 点击新数据集，并创建一个文件夹用于存储采集的图片

0fcf6129ce59428e99e42af563b39f8d.png

 5d0305f1392c4d68b2d100262e783b70.png

 点击右侧的文件夹，创建组，并命名。cbd6271784e445f8bb3a2b214d019b88.png

选择创建的组，然后点击摄像头进行拍照，拍照次数尽量要多，保证识别的成功率。

49ab628f4f2c4cfc9518e562b0e8adcf.png

打开之前那个网站，选择data acquisition，导入训练的文件

43d55a1cd4bf484fa485be4cd715d27a.png 

全部选择默认模式，选择上传的图片

ef9b05c99af14214801df0a43ddcd2ac.png

点击labeling,这步很重要创建特征点,然后创建标签。 

bd845eecf218494793dd02b85a69786e.png

 点击左边第二个，点击左边第三个cb1f102add094193bdb02218940405bb.png

点击右边的save 

3ab310c26a6e403c88ef4656ba0a2405.png 点击image，我选择的是默认rgb，然后点击save

26abad6344ca4cfcbdb305758252ba5f.png

 点击创建特征点，等待一段时间

ecd224c22a13473284fd847b14778c73.png

点击右边learing,点击start training，然后等待训练完成

训练完成结构如下，可以多次训练，提高识别成功率

541ff4f6612e4a54927a0249d512a3e3.png 最后选择deployment，选择openmv，点击build

0d007df17d7f4e0ba87f4ee53bc0f394.png

创建成功后会生成一个压缩包，对其进行解压

52dc907e54754e55aa271c377346ace6.png 将解压完的三个文件，复制进openmv的flash里

7720b040743d42e0af3ff5ea063e5c83.png

点击openmv IDE，试试效果（由于训练时把叶子标记成草莓，已经识别叶子的寄了，草莓的识别成功率好很多）

19c3b0edf476487c81c764dc26f509ea.png 

 

睦头人QAQ
关注
OPENMV---线上训练神经网络（目标追踪--可返回目标的坐标值）
m0_69017018的博客
07-17 2651
会有以下画面，主要是左下两个有作用，先分类文件（用上面那个文件夹），如果拍到合适的之后，按下面的采集照片来采集照片，记得要在相应的文件夹下采集照片。Model testing是可以看准确率有多高，如果有些不高，可以看哪些标记后的数据标红了，如果确实没标好，可以删掉。Versioning是保存版本，你可以先保存此版本，之后如果又训练了一次但准确率还没上次的高，就可从此处用上次的。按start training即可，因为训练的模型太多，所以右边的会训练很慢，上面这张图就还没训练完毕。训练完后：进行以下操作。
openmv云端训练神经网络自动生成openmv的神经网络模型
weixin_60866489的博客
07-22 7568
openmv云端训练神经网络自动生成openmv的神经网络模型
3.5.4-自行训练数据集-(openmv神经网络训练 openmv模型训练) 1-使用训练集识别数字 3.5.4-自行训练数据集-(openmv神经网络训练 openmv模型训练)openmv K2
qq_46187594的博客
03-31 2125
*非常详细的视频和文字教程，讲解常见的openmv教程包括 巡线、物体识别、圆环识别、阈值自动获取等。非常适合学习openmv、K210、K230等项目视频合集链接在openmv教程合集 openmv入门到项目开发 openmv和STM32通信 openmv和opencv区别 openmv巡线 openmv数字识别教程LCD专刊openmv视觉文章链接:[https://blog.csdn.net/qq_46187594/category_12900902.html]智能车第一篇。
OpenMV：19OpenMV4 Plus训练神经网络进行口罩识别
m0_59466249的博客
06-17 7235
注意： 只有可以自己训练神经网络，其他版本的性能不够本节讲解如何使用网站来自行训练神经网络模型，进而实现机器学习的功能是一个在线网站，是一个为嵌入式产品非常快速地生成嵌入式上面使用的神经网络的模型，非常地易用且快速，大概只需要5min左右就可以训练出一个OpenMV4 Plus上使用的模型机器学习有什么用？ 利用机器学习我们可以知道OpenMV里面的图像是什么，比如图像里有没有人(进行人检测)，或者是知道我们图像里的人是否有戴口罩(进行口罩识别)，也可以利用机器学习来分辨一些其他物品和图片(是水杯还是矿泉水
OpenMV：16神经网络
m0_59466249的博客
06-17 8087
OpenMV内置了好几个有关神经网络的模型，我们可以利用它们来进行基本物体的识别以及笑脸检测，数字识别等，这一节主要讲解下利用cifar_10进行识别cifar_10是一个用于普适物体识别的数据集，"10"的意思是它可以分辨十种不同的物体，比如飞机、船、汽车、鸟、猫、狗、青蛙、路、卡车等等…cifar_10由6万张32*32的RGB彩图构成，共有10个分类，一共有5万张的训练以及1万张的测试用于交叉验证这个数据集最大的特点在于将数据集迁移到了普适的物体上，而且应用于多分类，他的一个子类数据集cifar_10
（保姆级详细教学，看了包会用的）云端自动生成OpenMV神经网络模型，实现目标识别
2401_84868596的博客
11-09 1288
（4）在列表中对所需要的识别进行拍照取样：（需要连上openmv并打开，对着你需要识别的目标点击红框进行拍照取样，可以选择拍150~200张，理论上拍照角度越多，并且保证其特征明显，这样训练出来的模型准确率越高，识别效果越好）通过以上两种发放，主要还是第二种，可以使得我们训练的时间在20min以内，不会报错了，我们再训练一次，出现有图框里的内容，说明成功了，我们只需要静等云端自训练即可。训练完成之后会出现训练效果，我这个因为有的特征并不是很明显，会和别的出现相似的部分，所以训练效果才79%。
OpenMV 从入手到跑TensorFlow Lite神经网络进行垃圾分类
热门推荐
超级网吧的博客
06-21 3万+
openmv从入手到跑神经网络进行垃圾识别
OpenCV 神经网络
zengwh
06-23 1万+
简要介绍OpenCV的人工神经网络是机器学习算法中的其中一种，使用的是多层感知器（Multi- Layer Perception，MLP），是常见的一种ANN算法。MLP算法一般包括三层，分别是一个输入层，一个输出层和一个或多个隐藏层的神经网络组成。每一层由一个或多个神经元互相连结。一个“神经元”的输出就可以是另一个“神经元”的输入。例如，下图是一个简单3层的神经元感知器：（3个输入，2个输出以及包
4.1 openmv相关资料如何查找 STM32串口通信 openmv+STM32串口通信 openmv串口通信openmv识别物体 openmv神经网络训练 openmv.md
最新发布
04-27
4.1 openmv相关资料如何查找 STM32串口通信 openmv+STM32串口通信 openmv串口通信openmv识别物体 openmv神经网络训练 openmv
3.4.2-颜色 STM32串口通信 openmv+STM32串口通信 openmv串口通信openmv识别物体 openmv神经网络训练 openmv数字识.md
04-27
3.4.2-颜色 STM32串口通信 openmv+STM32串口通信 openmv串口通信openmv识别物体 openmv神经网络训练 openmv数字识
openmv 识别3个颜色 工程训练大赛
01-24
停车 识别三种颜色 通过串口 发送给arduino 进行处理。。利用的是色块的横坐标 大小比较 从而将三种颜色 排列组合 到达排序效果 针对工程训练大赛 openmv 颜色识别 共享此代码 欢迎学习
2021电赛F题智能送药机器人（国二）Openmv端 含神经网络文件
01-19
Openmv端 Openmv4 Plus 含神经网络文件
openmv：神经网络文件（lenet.network）.zip
11-06
lenet.network文件，用于openmv做数字识别
工程训练大赛openmv二维码、色环、色块识别
12-23
工程训练大赛openmv二维码、色环、色块识别 可通过串口与单片机通信实现openmv的任务切换
Open MV色彩识别工程训练大赛识别RGB靶环颜色
02-15
Open MV色彩识别，工程训练大赛用的代码，可以识别不同颜色的物体，需要的可以下载看一下，识别RGB颜色,也可以识别出靶环的颜色
3.6.1-霍夫变换检测圆形 STM32串口通信 openmv+STM32串口通信 openmv串口通信openmv识别物体 openmv神经网络训练 openmv.md
04-27
3.6.1-霍夫变换检测圆形 STM32串口通信 openmv+STM32串口通信 openmv串口通信openmv识别物体 openmv神经网络训练 openmv
Openmv通过IMPULSE训练模型实现目标检测
戚晨夕的博客
02-06 1万+
Openmv神经网络 文章目录Openmv神经网络前言一、云端训练二、操作步骤1.数据集的采集2.上传数据集3.训练模型1、创建模型2、参数生成3、开始训练4、模型测试5、导出模型6、效果测试总结 前言 openmv4plus可以进行神经网络学习，实现目标检测，之前学习过了K210的目标检测，以及机器学习进行目标检测。今天就用openmv4plus进行目标检测。 在学习之前已经做了很多了解，openmv真的很方便做目标检测。 一、云端训练 网址：IMPULSE网址 二、操作步骤 1.数据集的采集 新建一个
基于OpenCV的机器学习（十）神经网络
yang_jianfeng的博客
08-14 481
神经网络 神经网络（Neural Networks）是一种模仿生物神经系统的机器学习算法。与生物神经系统相似，人工神经网络也由若干个神经元构成。
openmv数字识别神经网络如果没有到达100%
07-28
回答: 如果OpenMV数字识别神经网络没有达到100%的准确性，可能有几个原因。首先，训练数据的质量和数量可能不足以覆盖所有可能的情况。增加更多的训练数据并确保它们具有代表性可以提高准确性。其次，神经网络的结构和参数设置可能不合适。调整神经网络的结构和参数，例如增加隐藏层的数量或调整学习率等，可以改善准确性。此外，还可以尝试使用其他的神经网络模型，如引用\[2\]中提到的cifar10_fast.network，它具有更快的运算速度和更小的内存消耗。最后，检查代码中是否存在错误或缺失的部分，确保所有的步骤都正确实施。通过这些方法，可以提高OpenMV数字识别神经网络的准确性。 #### 引用[.reference_title] - *1* [通过云端自动生成openmv的神经网络模型，进行目标检测](https://blog.csdn.net/qingchedeyongqi/article/details/119254988)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [OpenMV：16神经网络](https://blog.csdn.net/m0_59466249/article/details/125281136)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值