23、OpenMV使用tensorflow 1.15.0训练模型mobilenet_v1_1.0_224进行车辆识别

sxj731533730

已于 2023-01-05 15:42:38 修改

阅读量5.5k

点赞数 6

分类专栏：硬件的基本知识文章标签： tensorflow 深度学习

于 2021-09-19 17:47:44 首次发布

本文链接：https://blog.csdn.net/sxj731533730/article/details/120377150

版权

硬件的基本知识专栏收录该内容

84 篇文章 ¥299.90 ¥399.90

订阅专栏

超级会员免费看

本文介绍了如何使用OpenMV调用Tensorflow的tflite进行车辆识别。作者尝试了不同版本的MobileNet模型，并最终成功使用Tensorflow 1.15训练了MobileNet_v1_1.0_224模型。文章详细记录了从数据集准备、训练、验证到生成tflite模型并测试在OpenMV上的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基本思想：希望使用OpenMV调用Tensorflow 的tflite进行目标检测

一、下载window的Openmv的开发工具，软件下载

https://singtown.com/openmv/

安装软件之后，进行链接和运行测试即可

测试的画面

帧率还是蛮快的

三、本想使用49、TensorFlow训练模

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

sxj731533730

关注关注

6
点赞
踩
62

收藏

觉得还不错? 一键收藏
11
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

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

7531

openmv云端训练神经网络自动生成openmv的神经网络模型

OpenMv识别交通标志模型训练

最新发布

y527c的博客

02-22

376

5.跳出标签窗口，我们要检测的目标有三个（禁止通行、限速80、禁止鸣笛），那这里禁止鸣笛我就用n来做标签即可，点击set lable就设置完成了。标注结束后点击save lables，他会自动跳到下一张，重复标注工作，只有标注准确并且数据集够多，训练出来的模型精确度才更高。往下滑，点击save&train。13.点击depolyment,开始部署，选择openmv library，点击build ，等待部署完毕。6.标注任务完成后，点击create impulse，会弹出上面的界面，点击save即可。

11 条评论您还未登录，请先登录后发表或查看评论

OpenMV物品识别（以网球为例、模型训练）

yandadzf的博客

02-13

1699

优点实现简单：代码逻辑相对简单，易于理解和上手，对于初学者来说是一种快速实现目标识别的方法。计算效率高：由于只使用一个固定的颜色阈值进行二值化处理，计算量较小，能保证较高的帧率，实时性较好。缺点对环境要求高：光照、网球材质、表面磨损等因素导致网球颜色变化时，识别准确性会大幅下降，适应性较差。误识别率高：容易将图像中的噪点或类似颜色的其他物体误认为是网球，鲁棒性不足。

Openmv拍摄与训练模型

weixin_49038319的博客

05-30

1578

image->RGB/灰度->保存->在上面点击Generate feature->Generating feature。login->注册/登录->点击用户图标->Create project(新建项目)如果生成的图片比较分明说明采集模型比较好，不好的原因可能是背景复杂，或模型不够丰富。点击Data acquisition可以来查看我们上传的模型，也可以删除不想要的。新建类文件夹一个模型一个类文件夹，我要识别1那就把1全部放在这个类文件夹里。模型采集->上传模型->训练模型->下载模型到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

openmv和K210零基础快速上手训练模型识别

DushsK的博客

04-01

2236

本文主要介绍零基础快速实现模型识别的流程，跟着教程走即可快速实现模型识别，识别任何目标物体，重点在于零基础，快速！！学会之后数字识别，颜色识别，形状识别，人脸识别，巡线，模型训练，二维码识别，都能做！

OpenMV Cam实物图片和模型

03-27

OpenMV是一个开源，低成本，功能强大的机器视觉模块。以STM32F427CPU为核心，集成了OV7725摄像头芯片，在小巧的硬件模块上，用C语言高效地实现了核心机器视觉算法，提供Python编程接口。使用者们（包括发明家、爱好者以及智能设备开发商）可以用Python语言使用OpenMV提供的机器视觉功能，为自己的产品和发明增加有特色的竞争力。

（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

1019

（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%。

使用tensorflow2.3训练数字识别模型并量化为tflite后部署到openMV上

m0_51263827的博客

02-01

1万+

使用tensorflow2.3训练手写数字的模型并量化为TFlite后，将其部署到openMV或者openart mini上面运行。

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

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

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

mobilenet_v1_1.0_224.tgz

05-31

mobilenet_v1_1.0_224.tgz

OpenMV形状识别And颜色识别.py

08-10

OpenMV形状识别And颜色识别!

mobilenet_v1_1.0_224.tar

03-08

tensoflow模型，mobilenetv1检查点文件，国内用户无法下载，这里分享下给大家

基于OpenMV的口罩识别检测以及EDGE IMPULSE训练神经网络机器学习

qq_58247165的博客

04-07

1万+

利用OpenMV进行口罩识别检测，利用EDGE IMPULSE建立图像识别模型。

OPENMV上的目标检测，目标定位模型

qtzbxjg的博客

02-12

7543

在17届省赛结束后，因为担心国赛场地光照影响较大，写了这个目标检测算法。但因为时间以及实力不足，算法仅有了个雏形，没能成功部署，非常遗憾。今年寒假终于有时间将其完善，也算对自己的锻炼。正好在18届的比赛中有无边框图片，发现该算法在无边框定位上也有较好效果，所以将这个算法开源，希望能对大家有所帮助与启发。因为能力有限，算法还有许多优化空间。这里仅是抛砖引玉，期待大家的完善。

Caffe框架下OPenMV的机器学习（一）初探OPenMV神经网络

Jagaur_XY的博客

07-20

1万+

1. OPenMV 可以进行机器学习？ OPenMV是一款可编程的摄像头，主要使用MicroPython语言，实现基本的图像处理。你可以把OPenMV当成一个工具，也可以把它当成一套产品，开源的编程环境能为进一步向机器视觉领域迈进奠定基础。 OPenMV对于入门计算机视觉的小白来说就是一个你数学方面的救星，因为摄像头内置有许多痛的的图像处理算法，我们使用起来十分容易，适合快速入门...

openmv垃圾识别

07-27

OpenMV可以用于垃圾识别。要进行垃圾识别，您可以按照以下步骤操作： 1. 将OpenMV通过配套数据线与电脑连接\[1\]。 2. 将Edge Impulse网站训练网站的3个文件复制粘贴到OpenMV的U盘\[1\]。 3. 打开OpenMV IDE软件，将OpenMV生成的U盘内的main.py文件拖至OpenMV IDE编辑器处打开该文件\[2\]。 4. 在OpenMV IDE中编写代码来实现垃圾识别功能。具体的代码实现可以根据您的需求和训练模型来进行编写。 5. 运行代码，观察模型的效果\[1\]。通过以上步骤，您可以使用OpenMV进行垃圾识别。请注意，具体的代码实现和模型训练需要根据您的具体需求和数据集来进行调整和优化。 #### 引用[.reference_title] - *1* [基于云端训练的深度学习](https://blog.csdn.net/weixin_52235742/article/details/118995302)[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^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [OpenMV 从入手到跑TensorFlow Lite神经网络进行垃圾分类](https://blog.csdn.net/qq_36300069/article/details/118071444)[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^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]