K210训练模型

K210训练模型

    • 1.新建文件夹,将K210采集的图片放入文件夹下‘tp’
    • 2.打开YOLOV3,打开工具集,进行打标签操作
    • 3.选择标签集保存地址
    • 4.标签完成,准备训练工作,开始训练
    • 5.复制.h5和.tflite文件到标签集和数据集的目录下
    • 6.复制训练完成弹出的文件夹下的lable.txt和anchors.txt的这两个文件和模型转化成功后的.kmodel文件到SD卡中去
    • 7.写入boot.py程序

1.新建文件夹,将K210采集的图片放入文件夹下‘tp’

K210训练模型_第1张图片

2.打开YOLOV3,打开工具集,进行打标签操作

K210训练模型_第2张图片

3.选择标签集保存地址

K210训练模型_第3张图片
K210训练模型_第4张图片

4.标签完成,准备训练工作,开始训练

K210训练模型_第5张图片
K210训练模型_第6张图片

5.复制.h5和.tflite文件到标签集和数据集的目录下

K210训练模型_第7张图片

K210训练模型_第8张图片
K210训练模型_第9张图片
K210训练模型_第10张图片

K210训练模型_第11张图片
K210训练模型_第12张图片

6.复制训练完成弹出的文件夹下的lable.txt和anchors.txt的这两个文件和模型转化成功后的.kmodel文件到SD卡中去

K210训练模型_第13张图片
K210训练模型_第14张图片

7.写入boot.py程序

import sensor
import image
import lcd
import KPU as kpu
from machine import UART
from Maix import GPIO
from fpioa_manager import fm
from board import board_info
import time
import utime

#fm.register(board_info.BOOT_KEY, fm.fpioa.GPIOHS1)
#key = GPIO(GPIO.GPIOHS1, GPIO.IN)

lcd.init()
sensor.reset(dual_buff=True)
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.set_windowing((224, 224))
sensor.set_hmirror(0)
sensor.set_vflip(1)
sensor.run(1)
fm.register(0,fm.fpioa.UART1_TX)#0脚TX
fm.register(1,fm.fpioa.UART1_RX)#1脚RX
uart_A = UART(UART.UART1, 115200, 8, None, 1, timeout=1000, read_buf_len=4096)
pit=0
#task = kpu.load(0x300000) #从flash或者系统文件中加载模型,这里为模型在 flash 中的偏移大小为:0x3000000
task = kpu.load("/sd/sch.kmodel")
f=open("/sd/anchors.txt","r")
anchor_txt=f.read()
L=[]
for i in anchor_txt.split(","):
    L.append(float(i))
anchor=tuple(L)
f.close()
a = kpu.init_yolo2(task, 0.5, 0.3, 5, anchor)
f=open("/sd/lable.txt","r")
labels_txt=f.read()
labels = labels_txt.split(",")
f.close()
now_lable=0
last_lable=None
while(True):
    img = sensor.snapshot()
    code = kpu.run_yolo2(task, img)
    if code:
        for i in code:
            a=img.draw_rectangle(i.rect(),(0,255,0),2)
            a = lcd.display(img)
            for i in code:
                lcd.draw_string(i.x()+45, i.y()-5, labels[i.classid()]+" "+'%.2f'%i.value(), lcd.WHITE,lcd.GREEN)
                now_lable = i.classid()
                if now_lable != last_lable:
                    last_lable=now_lable
                    if i.classid()==0:
                        uart_A.write('c')
                        time.sleep_ms(200)
                    if i.classid()==1:
                        uart_A.write('q')
                        time.sleep_ms(200)
                    if i.classid()==2:
                        uart_A.write('k')
                        time.sleep_ms(200)
                    if i.classid()==3:
                        uart_A.write('y')
                        time.sleep_ms(200)
    else:
        a = lcd.display(img)

你可能感兴趣的:(神经网络,深度学习,人工智能,目标检测,python)