Press "Enter" to skip to content

关于AI视觉——目标检测与物体分类(基于FZ5C)

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

首先引入一个概念:

边缘计算:是指 在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务 。 边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。

文章目录

本篇博文基于百度大脑与米尔电子联合推出的
FZ5C AI 计算盒

 

介绍:FZ5C 基于 XILINX Zynq UltraScale+ MPSoC 系列 FPGA 可伸缩计算架构,可支持二次开发,支持高精度模型/多模型部署,同时搭载百度大脑 PaddlePaddle(飞浆)框架,能无缝衔接百度大脑 AI 开放能力与工具平台。

1. 设备连接

 

设备支持串口连接和网口连接。

① 使用 MobaXterm 串口连接

MobaXterm 是一款远程终端控制软件, 集串口,SSH远程登录和FTP传输 三合一的工具,便携版操作简单,使用非常方便。
MobaXterm 下载地址: MabaXterm 官网
打开 MobaXterm ,新建连接,选择Serial,波特率选择115200,Flow Control不选

新建之后,输入用户名和密码登录

② 使用网口连接

 

设备在出厂时设置了静态ip:192.168.1.254,通过网线直连电脑或连接路由设备

使用SSH协议登录系统。

 

 

    1. 配置本地网络 :

netsh interface ip set address "以太网" static 192.168.1.104 255.255.255.0 192.168.1.1

    1. 调试完设备还原本地网络:

netsh interface ip set address "以太网" dhcp

    1. 使用 cmd / PowerShell 连接设备

ssh [email protected]

    1. 也可以用 MobaXterm 连接

 

 

 

2. 目标检测

 

物体检测除了能知道物体的类型,还能检测出物体所在的位置坐标。

示例图片:

① 加载驱动

 

一般来说,驱动加载一次就够了

 

insmod /home/root/workspace/driver/fpgadrv.ko

 

如果出现方框内的提示则说明已经加载过了

 

② 编译项目

 

 

// 打开分类项目目录
cd /home/root/workspace/sample/detection/
 
// 进入 build 目录
cd build
// 调用 cmake 创建 Makefile
cmake ..
// 编译项目
make

 

③ 执行项目

从json文件中读取模型和图片信息,加载并执行。
执行时需要指定 相应的配置文件。

# ./image_detection ../configs/vgg-ssd/screw.json

 

执行结果:

 

edgeboard-183:~/workspace/sample/detection/build# ./image_detection ../configs/vgg-ssd/screw.json
 version:1 device_type:500 filter_cap:2048 colunm:8
label:1,score:1 loc:781,146,137,137
label:1,score:1 loc:652,224,137,136
label:1,score:1 loc:963,272,145,149
label:1,score:1 loc:1106,264,145,140
label:1,score:1 loc:661,368,143,140
label:1,score:1 loc:659,523,149,154
label:1,score:1 loc:918,692,140,145
label:1,score:0.999512 loc:1085,415,140,143
label:1,score:0.999512 loc:830,504,139,152
label:1,score:0.988281 loc:1148,608,136,159
label:2,score:0.914551 loc:830,583,122,278
label:2,score:0.90918 loc:928,129,227,162
label:2,score:0.688477 loc:1020,537,132,239
label:2,score:0.645996 loc:815,340,205,186
label:2,score:0.512207 loc:637,672,194,184

 

 

3. 物体分类

 

读取一张本地图片,调用模型进行推理,并输出结果。

 

示例图片:

① 加载驱动

同上

② 编译项目

 

 

// 打开分类项目目录
cd /home/root/workspace/sample/classification/
// 如果没有 build 目录就新建一个
mkdir build
cd build
// 调用 cmake 创建 Makefile
cmake ..
// 编译项目
make

 

③ 执行项目

从json文件中读取模型和图片信息,加载并执行。
执行时需要指定 相应的配置文件。

# ./image_classify ../configs/resnet50/drink.json

 

执行结果:

 

edgeboard-183:~/workspace/sample/classification/build# ./image_classify  ../configs/resnet50/drink.json
 version:1 device_type:500 filter_cap:2048 colunm:8
label:2:cestbon
index:2
score:1

 

识别出示例图片中是 怡宝(cestbon)

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注