在树莓派4B上使用YOLO V3 TINY进行实时对象检测

最新推荐文章于 2023-09-25 11:54:15 发布
最新推荐文章于 2023-09-25 11:54:15 发布
阅读量674 收藏 3
点赞数 1
分类专栏： 树莓派 深度学习
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/weixin_41276397/article/details/119058461
版权
  • sudo pip install --upgrade git+https://github.com/Maratyszcza/PeachPy
  • sudo pip install --upgrade git+https://github.com/Maratyszcza/confu
  • sudo apt-get install re2c

mkdir detection

ninja

  • cd /home/pi/detection
  • git clone https://github.com/ninja-build/ninja.git
  • cd ninja
  • git checkout release
  • ./configure.py --bootstrap
  • export NINJA_PATH=$PWD

NNPACK

  • cd /home/pi/detection
  • git clone https://github.com/shizukachan/NNPACK
  • cd NNPACK
  • confu setup
  • python ./configure.py --backend auto
  • mkdir build
  • cd build
  • cmake -G "Unix Makefiles" ..
  • make
  • cd ..
  • sudo cp -a lib/* /usr/lib/
  • sudo cp include/nnpack.h /usr/include/
  • sudo cp deps/pthreadpool/include/pthreadpool.h /usr/include/

DARKNET-NNPACK

  • cd /home/pi/detection
  • git clone https://github.com/digitalbrain79/darknet-nnpack.git
  • cd darknet-nnpack
  • git checkout yolov3
  • make

sudo python rpi_video.py

sudo python rpi_record.py
 

奶油芝士汉堡包
关注
专栏目录
用树莓派4b构建深度学习应用（九）Yolo篇
深度觉醒
10-10 9801
前言上一篇我们在树莓派上安装了OpenVINO的环境，并跑了几个官方demo，作为关键点的模型转换工作，以各个版本的yolo实现为例，在这篇做一下实现。目标检测是人工智能应用比较成熟的领...
在树莓派4B上使用YOLO v3 Tiny进行实时目标检测
热门推荐
weixin_43878078的博客
01-08 2万+
首先尝试使用yolo官网yolo给的教程，在树莓派上测试，但是在运行时出现段错误，尝试很多方法无法解决。在国外的网站找到darknet-nnpack这个东西，可以完美的在树莓派上运行。 参考的文章 darknet-nnpack https://github.com/zxzhaixiang/darknet-nnpack Fun of DIY http://funofdiy.blogspot.c...
在树莓派上运行TensorFlow-Lite实现对象检测（Object-Detection）
weixin_42673396的博客
04-16 6659
在树莓派上运行TensorFlow-Lite实现对象检测（Object-Detection） 简介 博主借鉴了目前tensorflow lite运行在树莓上的教程，参考写出了这篇可能是小白最容易理解与上手tensorflow以及对象检测的博客。按照步骤走下来运气好的情况大概半天左右，主要取决于网速是否流畅。你将学会有关如何在Raspberry Pi上设置TensorFlow Lite并使用它运行对...
在树莓派上运行TensorFlow-Lite实现对象检测（Object-Detection）(转载)
Leo_whj的博客
09-18 739
https://blog.csdn.net/weixin_42673396/article/details/105525863
基于树莓派与YOLOv3模型的人体目标检测小车（四）
12-21
前面几篇文章完成了训练端和部署端的环境搭建以及模型的训练，并经过两次模型转化最终将YOLOv3 TINY模型部署在了树莓派上。其实最核心的内容已经完成了，接下来就是一些应用层面的东西了。 树莓派控制马达： 1. 材料硬件： 1.树莓派3B+ 2.四个直流电机 3.一个小车底盘+四个车轮（某宝上有卖） V0L3UwMTA5NjgzNTA=,size_16,color_FFFFFF,t_70#pic_center) 4.L298N驱动模块（介于树莓派与马达之间的桥梁） 5.充电宝一个（用于给树莓派供电） 6.18650锂电池两节（给小车马达供电，普通干电池真的不能用，不然你会拥有好多废电池）
在树莓派3B+ 上使用YOLO v3 Tiny进行实时对象检测
PUZZER的博客
07-06 5785
主要参考文章：http://funofdiy.blogspot.com/2018/08/deep-learning-with-raspberry-pi-real.html（需要vpn） https://blog.csdn.net/weixin_43878078/article/details/103893426 https://github.com/zxzhaixiang/darknet-nnpack/tree/yolov3 说明1：原版的yolo V3 完整版本是无法在树莓派上运行的，直接编译会报错如.
使用 GPU Coder 使用 YOLO v2 进行实时对象检测：在 NVIDIA GPU 上使用 YOLO v2 进行实时对象检测的示例-matlab开发
05-29
您可以将 GPU Coder:trade_mark: 与 Deep Learning Toolbox:trade_mark: 结合使用，在使用 NVIDIA:registered: Jetson 和 Drive 平台的嵌入式平台上生成代码并部署深度学习网络。 即使没有神经网络、深度学习或高级...
基于树莓派4B的YOLOv5-Lite目标检测的资源包
06-27
YOLO是一种实时对象检测算法，以其快速和高精度而闻名。YOLOv5-Lite是在YOLOv5的基础上进行了优化，减少了计算复杂性，使得在低功耗、低性能硬件上运行成为可能。 树莓派4B是一款受欢迎的单板计算机，拥有强大的...
yolo树莓派_树莓派4B安装YOLO
weixin_39543773的博客
12-20 1371
准备安装OpenCV。sudo apt-get install python-opencv如果没有pip：sudo apt-get install python-pip启用pi相机:sudo raspi-config转到 Interfacing Options，然后启用 Pi/Camera,重启生效。安装Ninja Building tool安装 PeachPy 和 confusudo pip i...
树莓派4B+NCS2代测试yolov3和yolov3_tiny实现object_detection
GankinTao的博客
01-10 6747
使用因特尔神经计算棒主要有两个原因，一、单独在树莓派4B上测试yolo会出现“段错误”，修改过后又会出现“总线错误”，这个问题没有得到解决，只好添加神经计算棒（有出现并解决此类问题的小伙伴可以讨论一下）二、使用神经计算棒可以明显提高模型在树莓派这种计算量较小的设备上的速度。 避免踩坑，总的步骤如下： 一、在树莓派上安装NCS环境 二、在windows上安装NCS环境（格式转换用到） 三、格式转换 ...
yolov3-tiny.conv.15
05-06
./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 结果
YoloV5-ncnn-Raspberry-Pi-4:裸树莓派4的YoloV5
04-04
YoloV5-ncnn-Raspberry-Pi-4 带有ncnn框架的YoloV5。 论文： ： 专为裸露的Raspberry Pi 4制作，请参阅 基准。 模型 杰特逊纳米2015 MHz RPi 4 64-OS 1950兆赫 YoloV2（416x416） 10.1帧/秒 3.0帧/秒 YoloV3（352x352）微小 17.7帧/秒 4.4 FPS YoloV4（416x416）微小 11.2 FPS 3.4帧/秒 YoloV4（608x608）完整 0.7帧/秒 0.2帧/秒 YoloV5（640x640）小 4.0 FPS 1.6帧/秒 依赖关系。 要运行该应用程序，您必须： 具有32或64位操作系统的树莓派4。 它可以是Raspberry 64位操作系统，也可以是Ubuntu 18.04 / 20.04。 已安装腾讯ncnn框架。 已安装OpenC
使用opencv调用YOLOv3 tiny
mengjiexu_cn的博客
11-06 1499
#!/usr/bin/env python # coding: utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt from tqdm import tqdm_notebook as tqdm confThreshold = 0.5 #Confidence threshold nmsThreshold = 0...
树莓派4b上部署yolov3和v3-tiny记录带截图
QQ_778132974的博客
11-29 3493
首先在 PC 上进行yolov3的模型训练和测试，得到.weight和.cfg文件，这两个文件要进行模型的转换然后在树莓派上部署。 一、在树莓派上烧录镜像，buster10系统即可，在系统上更改国内源，更换pip源，安装openvino2020.4，版本要与PC上安装的openvino一致，否则部署会出错的。 步骤如下： pi 4b buster10 system 2021-05-07-raspios-buster-armhf-full.img 使用win32DiskImager write sy
树莓派部署YOLOv5目标检测（详细篇）
qq_44231797的博客
09-25 1万+
树莓派，YOLOv5,目标检测，树莓派摄像头，pip更换国内源
树莓派4B（armv7l，arm32）buster部署英特尔第二代神经计算棒，示例：运行darknet-yolov4-tiny
DEDSEC_Roger的博客
10-20 2535
开启cmd，“以管理员身份运行”，先激活之前创建的虚拟环境并设置环境变量，导航到有.pb文件的地方，使用Windows上的Model Optimizer生成IR文件，按照你自己在Windows上的OpenVINO安装路径来运行下面的代码。接下来为Model Optimizer做准备，因为我只打算将TensorFlow的模型文件作为我的转换媒介，因此我只做关于TensorFlow的准备，其他模型文件的转换可以参考下面的链接。这种环境变量的设置方法是临时的，关闭cmd就失效，也可以手动设置永久的环境变量。
树莓派3B上测试YOLO效果
一个致力“使己成为人”的专栏
08-29 1万+
安装系统下载raspbian-stretch镜像：https://www.raspberrypi.org/downloads/raspbian/ 下载SDFormatterv4：https://www.sdcard.org/downloads/formatter_4/ 下载Win32DiskImager：https://sourceforge.net/projects/win32diskimag
使用YOLOV3-tiny训练行人检测器并移植到树莓派4B上实现
weixin_43878078的博客
06-12 5504
说明 1.这篇文章是在我上篇文章的基础上继续往下做，上篇博客，上篇博客在树莓派4B上实现了目标检测，这篇文章将实现在笔记本上行人检测权重，再放到树莓派里面。 2.我的笔记本配置系统Ubuntu16.04+cuda8.0+cudnn5.1 硬件7代cpu，显卡gtx1050， 3. 一共训练30000次，训练速度很快，10000次只要半小时左右就完成了，测试检测结果很好 4.参考 https://github.com/pascal1129/yolo_person_detect 1. 下载YOLO git cl
初析yolov3 tiny 网络模型结构
ltshan139的专栏
09-29 1万+
前言 想上网了解下yolov3 tiny的网络结构，竟然没看到一篇文章详细讲解它的（ 可能有，没看到而已。。。）。 Yolo3 tiny网络结构 想知道yolo3 tiny网络模型层次架构，其实很简单。使用下面的命令就可以把它打印出来。 ./darknet detector test cfg/coco.data cfg/yolov3-tiny.cfg cfg/yolov3-tiny.we...
怎么在树莓派4B上部署yolov8环境
最新发布
09-12
在树莓派4B上部署YOLOv8环境需要几个步骤，但请注意，截至我的知识更新日期，YOLOv8尚未发布，因此这里提供的信息是基于YOLO系列的通用部署过程。以下是部署YOLO系列的一般步骤，当YOLOv8发布后，具体步骤可能会有所不同： 1. 更新系统： 首先，确保树莓派操作系统是最新的。可以通过运行以下命令来更新系统： ``` sudo apt update sudo apt upgrade ``` 2. 安装依赖库： YOLO依赖于OpenCV库，需要安装OpenCV以及一些编译工具和依赖库。可以使用以下命令安装： ``` sudo apt install python3-pip libopenblas-base libopenmpi-dev sudo pip3 install numpy opencv-python ``` 3. 安装CUDA（可选）： 如果你打算使用GPU加速，需要安装CUDA。树莓派4B支持的是ARM架构的CUDA，但请注意，截至最后更新时，官方并未提供YOLOv8的官方支持。YOLOv5及以下版本在树莓派上的支持可能依赖于特定版本的PyTorch和Torchvision，这些依赖可能需要通过特定的安装脚本或手动编译来解决。 4. 安装PyTorch和Torchvision： 根据你的CUDA版本，安装相应的PyTorch版本。由于YOLOv8可能有特定的依赖，因此这里建议查找YOLOv8发布的官方文档来获取正确的安装命令。 5. 获取YOLOv8： 一旦YOLOv8发布，你可以通过克隆官方GitHub仓库来获取YOLOv8的代码： ``` git clone https://github.com/ultralytics/yolov8.git cd yolov8 ``` 6. 安装YOLOv8的Python依赖： 在YOLOv8目录中，你可以使用以下命令安装所需的Python依赖： ``` pip install -r requirements.txt ``` 7. 运行YOLOv8： 完成以上步骤后，应该可以运行YOLOv8。由于YOLOv8尚未发布，具体如何运行模型可能会有所变化，建议按照官方文档进行操作。
评论 3
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

打赏作者

奶油芝士汉堡包

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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