[原创] 【米尔边缘AI计算盒FZ5测评】目标检测demo

本次将尝试官方的目标检测demo，操作过程与上一篇文章类似，对于目标检测网络同样有类似的网络配置文件，以vgg-ssd为例，该网络的配置文件如下所示：

 

 

 

 

 

 

下面为网络参数的说明：

 

 

 

 

 

 

 

 

同样首先运行下述命令：

 

 

 

 

cd /home/root/workspace/PaddleLiteSample/detection

 

 

 

 

// 如果没有build目录，创建一个

 

 

 

 

mkdir build

 

 

 

 

cd build

 

 

 

 

rm -rf *

 

 

 

 

// 调用cmake 创建 Makefile

 

 

 

 

cmake ..

 

 

 

 

 

 

 

 

 

// 编译工程。

 

 

 

 

make

 

 

 

 

其实用arm的Cmake进行编译还是比较慢，正常的开发过程可以在电脑上编译好再在开发板上运行，可以看到编译顺利通过：

 

 

 

 

 

 

 

 

然后运行一下命令，看一下效果：

 

 

 

 

./image_detection ../configs/yolov3/screw.json

 

 

 

 

 

 

 

 

可以看到识别基本正确：

 

 

 

 

 

 

 

 

插入USB摄像头，查看设备连接情况：

 

 

 

 

ls /dev/video*

 

 

 

 

 

 

 

 

可以看到已经成功检测到摄像头，然后接入DP接口，这注意需要使用主动式的DP转HDMI的线，要不会接不到信号，打开界面，看到如下效果：

 

 

 

 

 

 

 

 

然后尝试使用摄像头进行目标检测的模式：

 

 

 

 

 

 

 

 

可以看到可以成功检测到螺钉，但是在使用摄像仪的模式下，偶尔会出现误检测的情况。本次测评完成了对目标检测demo的实验，官方给出的demo较为简单，仅能检测螺钉和螺母，并且感觉模型的鲁棒性还有待提高。如果需要训练自己的demo可以使用百度提供的EasyDL、飞浆和AI stdio等平台，利用上述平台可以实现模型的训练和部署的闭环，十分方便，并且支持caffe和tensorflow的模型转换，但是目前还不支持pytorch。但是看到EasyDL属于收费的平台，这对普通开发者较为不便，下一期测评将对板卡进行二次开发，以更加灵活的支持神经网络应用。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

本帖最后由 zzx1997 于 2021-3-13 22:39 编辑

你这张识别是正确的。跟另外那个网友看上去用的是一样的图片，不过对方测试的那次识别漏了一个螺丝。

直接在电脑上离线编译，然后在到开发板

这很可以

这个开发板很强大呀！！好玩

感觉不错哈！

yolov3 。。。弄个yolov5玩玩。

很强大的样子