摘要:
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) 阅读全文
摘要:
模型效果: 在上文中,我们制作了数据集,并利用数据集进行了模型的训练,利用静态图片和视频对模型的检测效果进行了检验,发现效果还是不错的。 前两张为静态图片检测,后一张为视频检测效果截图。 但是模型要想部署在算力微弱的树莓派上,还需要进行两次模型转化才能运行在NCS上进行前向推理。 模型转化: 阅读全文
摘要:
上篇文章介绍了如何搭建深度学习环境,在Ubuntu18.04TLS上搭建起了 CUDA:9.0+cuDNN7.0+tensorflow gpu 1.9 的训练环境。本篇文章将介绍如何制作自己的数据集,并训练模型。 本文训练数据集包括从VOC数据集中提取出6095张人体图片,以及使用LabelImg工 阅读全文
摘要:
项目介绍: 本科毕业选的深度学习的毕设,一开始只是学习了一下YOLOv3模型, 按照作者的指示在官网上下载下来权重,配好环境跑出来Demo,后来想着只是跑模型会不会太单薄,于是想了能不能做出来个比较实用的东西(因为模型优化做不了)。于是乎做一个可以检测人体的可操控移动小车的想法就诞生了。 实现的功能 阅读全文