K210 识别石头剪刀布 手势

其实我一直不是很看好openmv和k210，镜头垃圾，价格偏高，算力感人，有这个价格上个树莓派简直香爆了，但是还是有很多人尤其是学生在用，群里也是关于模型训练的问题问的最多，所以我硬逼着自己去研究了一下。
开始做了几次，全是惨败，原因主要是固件库前后不匹配，生成的模型乱识别等问题，今天从头捋了一下，记录一下思考的过程，大家可以参考一下。
模型训练过程：
1.找好分类，首先定位必须准狠，我接到的单子是做手势识别，开始采用的是1234的手势，差别小，老板提供了几百张训练图片，效果还是不好，所以改成了石头剪刀布的手势，外观差异更大一些，可以提高识别率；
2.做好训练集图片，这里我偷了个懒，直接去往上找了现成的项目，甩链接，大家有兴趣可以去看看：Rock Paper Scissors Dataset起码图片集有保障了，下载了别人做好的约每个140张的图片，这里注意一下，图片采用了纯白背景，提高识别度，大致如图所示：
3.改格式，改成jpg缩小体积，并将分辨率改成224*224，工具有一堆，我用的WPS图片批量处理，不过要充会员的，其他免费的应该有很多；
4.训练，这里其实我推荐经常做训练的自己搭建一个本地训练环境，虚拟机加ubuntu即可，缺点是不能用GPU加速，不过也足够了，可以参考maixpy官方的教程：搭建本地环境 官方的网站实在是慢，经常排很长的队；
5.训练完了之后就是常规操作了，拷贝模型，运行py，不过我不是很喜欢新版自动生成的那个py文件，感觉简单的做复杂了，而且老板的要求是没有手势的时候不能识别出其他的，所以我加了个准确率>0.6才显示的筛选，这个精简的py大家可以参考下，只需要拷贝m.kmodel和boot.py两个文件即可，上代码：

#by jd3096     vx：jd3096
import sensor, image, lcd, time
import KPU as kpu
import gc, sys

sensor_window=(224, 224)
lcd_rotation=0
sensor_hmirror=False
sensor_vflip=False
model_addr="/sd/m.kmodel"
labels = ["paper", "rock", "scissors"]

sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.set_windowing(sensor_window)
sensor.set_hmirror(sensor_hmirror)
sensor.set_vflip(sensor_vflip)
sensor.run(1)

lcd.init(type=1)
lcd.rotation(lcd_rotation)
lcd.clear(lcd.WHITE)

task = kpu.load(model_addr)

while(True):
    img = sensor.snapshot()
    fmap = kpu.forward(task, img)
    plist=fmap[:]
    pmax=max(plist)
    if pmax>0.6:          #识别率低于0.6的将不会显示
        max_index=plist.index(pmax)
        img.draw_string(0,0, "%.2f : %s" %(pmax, labels[max_index].strip()), scale=2)
    lcd.display(img)

6.上电运行，发现依然乱识别，后来去请教别人，发现可能是光线的问题，拉开窗帘，选择白床单作为背景，终于正常识别了，识别率基本在70%以上。

项目完毕，如果需要这个m.kmodel可联系我，VX：jd3096