人脸识别学习笔记1

参考资料：

1. 带你玩转OpenHarmony AI-基于海思NNIE的AI能力自定义-CSDN博客
2. 5.3 AI视觉实验.md · HiSpark/HiSpark_NICU2023 - Gitee.com

简化流程，选择已经训练好的模型

         sample文件中，手势检测识别用的yolov2，手势分类resnet18。

流程：yolov2->caffe1->wk

•  yolo->caffe: cfg文件转caffe.model  权重文件转prototx（有开源的代码）
• caffe1->wk    可以用如意量化 

1. yolov2模型

2.模型转换（ yolo->caffe）

首先，了解yolov2和caffe的区别

1. yolov2 cfg文件解析（这里遇到了问题）
2. yolov2 权重文件解析
3. caffe 模型文件解析
4. caffe 网络层文件解析

# 转换命令遵循：
# python cfg[in] weights[in] prototxt[out] caffemodel[out]
# 资料检测网转换命令如下：
python3.8 darknet2caffe.py resnet18.cfg resnet18_final.weights 
resnet18.prototxt resnet18.caffemodel

 执行一个名为darknet2caffe.py的脚本，输入配置文件、权重文件，输出Caffe网络定义文件、模型权重文件。

        使用Darknet框架（例如YOLO）训练的模型转换为Caffe框架使用的模型。具体步骤如下：   

• 加载Darknet模型：从配置文件（.cfg）和权重文件（.weights）中加载模型。
• 转换模型结构：将Darknet的模型结构转换为Caffe的模型结构，并保存为.prototxt文件。
• 转换模型权重：将Darknet的模型权重转换为Caffe的模型权重，并保存为.caffemodel文件。

3.模型量化（wk模型）

        简介：模型量化（Model Quantization）是一种技术，通过将深度学习模型中的权重和激活值从高精度（通常是32位浮点数）转换为低精度（例如8位整数或浮点数），以减少模型的存储需求和计算复杂度。量化可以显著提升模型的执行速度和效率，尤其是在资源受限的设备（如移动设备、嵌入式系统和边缘设备）上。

        nnie_mapper是用于将神经网络模型转换为NNIE（Neural Network Inference Engine）格式的工具。NNIE是华为海思提供的一种神经网络推理加速器，广泛应用于各种嵌入式设备中，比如监控摄像头和物联网设备。

        通过RuyiStudio进行模型的量化（ruyistudio的安装教程），具体步骤：

• yolo2网络的最后一层需要通过AI CPU推理，转换之前，需要手工将其删除
• 在RuyiStudio新建一个NNIE工程,选择SOC Version为Hi3516DV300
• 进行模型转化

4.wk文件部署

疑惑：5.3.2.4是执行demo 7，来检测。但是5.4.2执行demo1进行检测+识别，但是并未看到识别结果？

5.板端推理

实时图片获取：VI-VPSS-VO

模型文件加载：检测-分类

输出推理结果：检测-分类wenwen