[星瞳科技]如何用OpenMV进行特征识别和检测？

Machine-Learning->mnist数字识别

本例程利用mnist数字数据集，自行训练神经网络得到手写数字识别神经网络模型，性能和准确率很高。

在OpenMV4 H7 Plus上面运行大概每秒45帧，在OpenMV4 H7上面运行大概每秒25帧左右。

运行目录前，请将链接中的trained.tflite下载到电脑，并复制到OpenMV的存储中。

中国链接：https://dl.singtown.com/openmv/openmv_tensorflow_training_scripts-main.zip

github链接：openmv_tensorflow_training_scripts/mnist at main · SingTown/openmv_tensorflow_training_scripts · GitHub

# This code run in OpenMV4 H7 or OpenMV4 H7 Plus

import sensor, image, time, os, tf

sensor.reset()                         # Reset and initialize the sensor.
sensor.set_pixformat(sensor.GRAYSCALE)    # Set pixel format to RGB565 (or GRAYSCALE)
sensor.set_framesize(sensor.QVGA)      # Set frame size to QVGA (320x240)
sensor.set_windowing((240, 240))       # Set 240x240 window.
sensor.skip_frames(time=2000)          # Let the camera adjust.

clock = time.clock()
while(True):
    clock.tick()
    img = sensor.snapshot().binary([(0,64)])
    for obj in tf.classify("trained.tflite", img, min_scale=1.0, scale_mul=0.5, x_overlap=0.0, y_overlap=0.0):
        output = obj.output()
        number = output.index(max(output))
        print(number)
    print(clock.fps(), "fps")
Copy

运行结果：

 

 

实际道路环境交通标志识别

视频教程42 - 训练神经网络目标检测 实际道路环境交通标志：训练神经网络目标检测实际道路环境交通标志 | 星瞳科技

代码、模型、数据集 都在： GitHub - SingTown/Traffic-Sign-FOMO

中文步骤： Traffic-Sign-FOMO/README-CN.md at main · SingTown/Traffic-Sign-FOMO · GitHub

一共训练得到两个模型

第一个模型：训练时分辨率128*128，使用MobilNetV2 0.35迁移学习，S1 Score 92%，运行帧率9帧左右，只能运行于OpenMV4 Plus。（OpenMV4内存不够）

第二个模型：训练时分辨率96*96，使用MobilNetV2 0.35迁移学习，S1 Score 91%，运行帧率12帧左右，峰值RAM占用244KB，在OpenMV4以及OpenMV4 Plus上都可以运行。

OpenMV合作伙伴EdgeImpulse在线训练网站： Edge Impulse - The Leading Edge AI Platform

注意事项

1. 一共有两个模型，如果是OpenMV4的话，只能使用96*96分辨率训练出来的这个小模型。Plus两个模型都可以用。
2. 数据集里面有 禁止停车x、禁止鸣笛n、限速80、禁止驶入-、测试图片，一共五个文件夹。 实际模型以及教程只使用了 禁止停车x、禁止鸣笛n、限速80、测试图片 这些，没有标注以及训练 禁止驶入- 的数据集，可选择是否标注以及训练 禁止驶入-。
3. 只标注了 禁止停车x、禁止鸣笛n、限速80 这三个目标，数据集中出现的其他标志我都没有标注以及训练（比如 限速60 限速30 禁止驶入- 等）， 太相似的标志 比如 限速80 和 限速60 可能会误识别，也可增加标注训练新的目标 比如 限速60 等。
4. 致谢 —— 中国实际道路环境交通标志数据集的来源（中国科学院自动化研究所）： Traffic Sign Detection Database

口罩识别

视频教程38 - OpenMV4 Plus训练神经网络进行口罩识别：OpenMV4 Plus训练神经网络进行口罩识别 | 星瞳科技

代码和模型都在：https://github.com/SingTown/mask-tflite 

中文步骤：https://github.com/SingTown/mask-tflite/blob/main/README_CN.md 

看完你就会发现，其实非常简单！

注意事项

1. 只有OpenMV4 H7 Plus能使用。
2. 上传的样本只上传了单人的。如果测试画面有多人，准确度不可信。
3. 没有使用背景，只知道是否戴了口罩。如画面中没有人脸，准确度不可信。

垃圾分类

视频教程38 - OpenMV4 Plus训练神经网络进行口罩识别：OpenMV4 Plus训练神经网络进行口罩识别 | 星瞳科技

代码和模型都在：GitHub - SingTown/rubbish-tflite: A classification of battery, bottle, can, and cigarette. 

中文步骤：rubbish-tflite/README_CN.md at main · SingTown/rubbish-tflite · GitHub 

注意事项

1. 只有OpenMV4 H7 Plus能使用。
2. 如果要更高的准确度，要使用自己的图片来训练。

在线训练也非常简单。