edge impulse
添加训练数据—选择模型—设置训练参数—开始训练—训练结果准确度达到要求—生成相关模型
(新建一个project、通过上传图片进行目标点检测、上传图像(自动分训练集和测试集)、标注出目标
选择模型(分辨率96*96,根据短边剪切)……)
FOMO(更快的对象,更多的对象)是一个用于实时对象检测的神经网络
Mobile Net v2 0.35训练模型(针对移动端的模型)—>低延迟、高速度、低内存—>缺点:精度略小
生成的.py文件的解析
clock:计算摄像头的每秒帧数
clock.tick() 开始追踪运行时间
clock.fps() 停止追踪运行时间,并返回当前的FPS(每秒传输帧数)
导入需要的库(sensor, image, time, os, tf, math, uos, gc)
初始化传感器:sensor.reset()
设置图像色彩格式为RGB:sensor.set_pixformat(sensor.RGB565)
设置每帧图像大小(320*240):sensor.set_framesize(sensor.QVGA)
在当前画面中取一块要处理的区域roi:sensor.set_windowing((240, 240))(w,h)
摄像头初始化后等待时间:sensor.skip_frames(time=2000)
设置输出汉字ÿ