wpgddt的博客

吐血总结ATU Book-i.MX系列OP-Gyro (i.MX93)的相关文章，速进！

近年来，电脑视觉(Computer Vision) 领域迎来了重大改革，从过去一个一个像素处理(Pixel) 的方式，已经转变成由“大数据(Big Data)”来统计出所谓“模组(Model) ”的 深度学习(Deep Learning) 应用方式。更何况是颠覆人类想像的生成式 AI ( Generative AI ) 与 ChatGPT 、可说是 人工智能

近年来，电脑视觉(Computer Vision) 领域迎来了重大改革，从过去一个一个从像素处理(Pixel) 的方式，已经转变成由“大数据(Big Data)”来统计出所谓“模组(Model) ”的 深度学习(Deep Learning) 应用方式。更何况是颠覆人类想像的生成式 AI ( Generative AI ) 与 ChatGPT 、可说是 人工智能(Artificial Intelligence) 的时代已经全面来临，

论嵌入式系统的开发环境，不得不提起近年来相当实用的 Yocto 建构工具。此工具拥有极为灵活的平台扩展性，广泛的软体套件与社群支持、多平台支援整合性，能够满足开发者特定需求和多种热门的嵌入式系统架设，已成为当今顶尖的架构工具。然而，此篇文章并非重点谈论 Yocto 建构概念与相关议题，而是要带领读者快速应用 Yocto 的 Bitbake 开源工具来快速布署恩智浦 NXP i.MX8 系列的开发环境，透过此博文即可轻松实现任何有关 i.MX8 的环境架设 !!

以恩智浦 NXP 的 i.MX 8MQ 平台搭载 Hailo-8 AI 芯片 (26 TOPS) ，即可将 SoC 升级并实现成 AI 的终端产品!! 且一同贯彻“边缘运算(Edge Computing)”的理念，来达成更及时、精准的运算效益 !!

本篇文章将以 Google 的Colab云端运算为训练平台，并搭配ultralytics的 YOLOv5 框架与Roboflow提供的资料库( DataBase ) 来快速建置一套 疲劳驾驶监控系统 (DMS) 来监视驾驶者是否呈现瞌睡状态 !! 并以 NXP i.MX8M Plus 作为最终的硬体呈现平台

由于边缘运算(edge computing)需以轻量、快速、准确为主。故采用神经网路架构最轻量，且有一定识别能力、运行效率极佳的 MobileNet + SSD 架构本章节将介绍由轻量化网路架构 MobileNet与物件检测算法(Single Shot MultiBox Detector, SSD)组成之应用。

​本篇文章将以 Google 的Colab云端运算为训练平台，并搭配ultralytics的 YOLOv5 框架与Roboflow提供的资料库( DataBase ) 来快速建置一套 疲劳驾驶监控系统 (DMS) 来监视驾驶者是否呈现瞌睡状态 !! 并以 NXP i.MX8M Plus 作为最终的硬体呈现平台。

NXP i.MX8M Plus处理器凭借其卓越的处理能力和高效的能源管理，已成为物体检测应用的理想选择之一。该处理器内建的高效AI加速器，即 NPU (Neural Processor Unit) 神经网路处理器，能迅速处理复杂的神经网路运算，使目标识别(Object Detection) 的应用能更加快速和精确。为在 边缘运算(Edge Computing) 设备上进行物体检测的首选方案。