maixcam如何无脑运行运行别人的模型(以安全帽模型为例)

maixcam如何无脑运行运行别人的模型(以安全帽模型为例)

本文章主要讲如何部署上传的模型文件,以及如果你要把你模型按照该流程应该怎么修改,你可以通过该文章得到你想要的应该,该应用也包含的退出按钮,是屏幕退出按钮,因为屏幕退出方便,所以我引用了sipeed的退出图片,之前的应用没设置退出,非常感谢Neucrack大佬在群中发的有关触摸屏的使用,自己也参考了api文档,直接上干货!!!

如何去使用别人模型应用(我以我的模型为例子)

安装模型应用

扫码安装(方式1)

https://maixhub.com/app网址上目前应该上传的模型应用不多,目前镜像的话还不支持在线下载,后续应该会支持

picture 0

maixvision软件安装模型应用到maixcam(方式2,目前博主是ok的)

(1)下载并解压模型
例如下载本博客的附件maix-hat_detect-v3.0.0.zip并解压
可以得到下面一些文件

picture 1

picture 2

(2)安装模型

打开maixvison然后打开上述解压的文件夹

picture 3

picture 4

选择应用文件,然后全部勾选点击打包,并安装应用
picture 5

picture 6

picture 7

picture 8

断开连接,运行应用

picture 9

点击左上角可以退出应用,后面讲解如何修改为自己的
picture 10

删除应用可以点击app store,卸载应用

picture 11

视频演示链接:
https://www.bilibili.com/video/BV1YZ421n7ui/?spm_id_from=333.999.0.0

该模型整个的压缩包在该文件附件中

如何修改为自己的模型应用

从主函数代码可以看到我导入了sipeed退出图片,使用了ts.read()去读取触摸坐标,再次感谢Neucrack大佬,具体细节可以看api文档,主要就是ts.read()返回一个list,如[0,0,0],其中前两个为x,y坐标,第三个是否触摸状态,触摸了就为1。

博主自己的代码

from maix import camera, display, image, nn, app,time,touchscreen

detector = nn.YOLOv5(model="./yolov5s_hat.mud")
cam = camera.Camera(detector.input_width(), detector.input_height(), detector.input_format())
dis = display.Display()
ts = touchscreen.TouchScreen()
stop_app_img = image.load("./ret.png")
while not app.need_exit():
    img = cam.read()
    img.draw_image(0, 0, stop_app_img)
    state = ts.read()
    if state[2]==1:
        if(state[0]>0 and state[0]<60)and(state[1]>0 and state[1]<60):
            print(123)
            app.set_exit_flag(True)
    objs = detector.detect(img, conf_th = 0.5, iou_th = 0.45)
    for obj in objs:
        img.draw_rect(obj.x, obj.y, obj.w, obj.h, color = image.COLOR_RED)
        msg = f'{detector.labels[obj.class_id]}: {obj.score:.2f}'
        img.draw_string(obj.x, obj.y, msg, color = image.COLOR_RED)
    dis.show(img)

修改你自己的模型只需要替换mud文件以及cvmodel文件,以及记得把这些文件放置到同级目录下,不然找不到路径!!!

感谢

感谢Neucrack大佬

  • 4
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
ONNX(Open Neural Network Exchange)是一个跨平台、跨框架的开放式深度学习模型交换格式。它可以让不同的深度学习框架之间互相转换模型,实现模型的跨平台部署。 安全帽监测模型是一种基于深度学习算法的图像识别模型。它可以通过分析摄像头捕捉到的实时图像,自动检测其中的人头,并判断是否佩戴了安全帽。该模型可以应用于各种需要安全帽的场景,如建筑工地、工业生产线等,起到保障工人安全的作用。 将安全帽监测模型转换为ONNX格式可以带来一些优势。首先,ONNX可以实现模型在不同深度学习框架之间的转换,这样可以更方便地在不同平台上部署和应用模型。其次,ONNX格式具有较小的模型体积和快速的推理速度,可以更有效地利用计算资源,并适用于实时应用。此外,ONNX还支持模型融合、量化等优化技术,可以进一步提高模型的性能和效果。 在使用ONNX安全帽监测模型时,需要先将模型转换为ONNX格式,然后根据具体的应用场景进行部署和推理。可以使用ONNX Runtime等工具来加载和运行ONNX模型,并结合摄像头设备进行实时图像的检测。通过监测人头是否佩戴安全帽,可以及时发现违规情况,并采取相应的措施保障工人的安全。 总之,ONNX安全帽监测模型可以将深度学习算法应用到实际的场景中,为工人的安全提供保障。通过转换为ONNX格式,可以实现模型的跨平台部署和应用,提高模型的性能和效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

冰糖小新新

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
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