欢迎大家来到AidLux零基础边缘端智慧安防训练营~本节课为训练营的第二节，内容框架如下：1AI项目开发及AidLux的特点2手机版本AidLux软件安装3电脑版AidLux投影测试4AidLux系统AI

欢迎大家来到AidLux零基础边缘端智慧安防训练营~前面两节课，主要介绍了AI项目的一些背景，及使用AidLux实现AI功能的一些方式。

.模型训练1.1任务描述1.2输电杆塔数据集采集1.3输电杆塔数据集标注1.4数据增强1.5折腾1.6训练1.7测试2.NX部署2.1软硬件2.2TensorRT优化推理2.3ROSTopic发送3.Aidlux

本次参加AidLux训练营，Rocky作为主讲老师，学习到了利用目标检测算法流程和AI攻防策略进行结合，从而达到安全。

本次大作业是⼈体检测+⼈体追踪+业务逻辑一、人体检测，首先先要训练一个识别人体的模型，我们这里选用的是yolov5n网络模型，主要操步骤如下：1.下载人体数据集，然后转换为yolo网络的数据集格式，这里是将annotation_val.odgt->xml（在这一步可以用labelimg查看一些图片，看框标的对不对）->txt,其中txt中是人体框的中心坐标和宽高，都是归一化的。2.划分数据集和训练

1、背景介绍AI项目在不断落地的同时，也伴随着安全风险的日益增加，需要引起工业界的重视。以深度学习为核心的人工智能存在易受攻击的缺陷，攻击者通过精心制作的3D人脸面具以及相应的合成图片，破解了多个公司的人脸识别系统，说明人工智能的可靠性仍需加强。目前AI算法模型以黑盒为主，具备高度复杂性和不确定性，很多决策原理无法直观理解。在智慧交通场景中，面对复杂的交通应用场景，AI算法也很容易受到一些人为的对

欢迎大家来到AidLux零基础边缘端智慧交通训练营~在第三节课中，我们学习了用目标检测YOLOv5算法训练一个车辆检测模型，并进行了基于数据为中心的鲁棒性优化。

欢迎大家来到AidLux零基础边缘端智慧交通训练营~在第三节课中，我们学习了在云服务器上使用Yolov5算法，训练了一个车辆检测模型并进行优化。

10月下旬，我们联合AI行业大V江大白举办了以智慧安防为主题的AI训练营。在众多开发者的肯定与呼声之中，我们又在11月下旬开展了新一期的AI实战训练营！并邀请了国内大厂AI图像资深算法工程师Rocky作为讲师，和大家一起实现智慧交通项目的落地。训练营共设置5节内容，每次课时长1小时左右，内容以图文+语音+代码演示的形式在微信群里进行讲解。学员们可以自由提问、互动交流，训练营讲师江大白、Rocky以

欢迎大家来到AidLux零基础边缘端智慧交通训练营~本次智慧交通训练营的课程，将会延续上一期智慧安防深入浅出、全程干货的特点，希望让每位开发者满载而归。

欢迎大家来到AidLux零基础边缘端智慧交通训练营~本节课为训练营的第二节，内容框架如下：1目前AI项目存在的安全风险2AI安全技术的扩展性讲解3以数据为中心的鲁棒机器学习策略4边缘设备软件AidLux

欢迎大家来到AidLux零基础边缘端智慧安防训练营~本次训练营的课程，将全程一路干货。从AI行业的算法现状、行业应用、项目落地等多个角度，带着大家深入浅出的学习AI应用的一系列落地全过程。

欢迎大家来到AidLux零基础边缘端智慧交通训练营~前面两节课，主要介绍了AI项目安全风险和AI安全技术的一些背景，及使用AidLux实现AI功能的方式。

这里写目录标题1.项目背景2.项目实战流程2.1YOLOv5车辆检测模型训练及部署2.2AI对抗攻击与对抗防御2.2.1AI对抗攻击算法讲解2.2.2常用AI对抗攻击算法划分2.2.3对抗攻击主要代码2.2.4对抗攻击效果验证2.2.4常用AI对抗防御算法讲解2.2.5常用AI对抗防御算法划分2.2.6对抗防御主要代码2.2.7AI对抗防御算法效果验证2.3对抗攻击监测与系统预警2.4完整代码串联

通过本项目基于Aidlux开发的用于提高模型鲁棒性的车辆检测。1.Aidlux如何使用？因为后面的课程中，需要使用Aidlux，因此大家可以先提前下载Aidlux软件。

该训练营为11月AI实战训练营，本节课基于Aidlux开发，AidLux是基于ARM架构的跨生态（Android/鸿蒙+Linux）一站式AIoT应用快速开发和部署平台APP。

第⼆节课，主要从边缘设备的⽅式，Aidlux进⾏讲解，了解在边缘端的各⽅⾯内容。第三节课

1.学习内容学习过程中，我了解了AI⾏业智慧城市⾏业的⽬前状况，并学习了边缘设备、越界识别应⽤等案例，认识了边缘设备Aidlux。

1训练营课程（1）本节课主要学习智慧安防实战训练营的课程：https://mp.weixin.qq.com/s/3WrTMItNAGt8l2kjjf042w（2）学习目的题主研究方向正好是边缘计算相关，最近研究的内容也正好是目标检测相关的内容，之前师兄给我提过尝试使用一下tensorflowlite去在手机上尝试跑一下一些简单的模型，题主尝试后奈何自己是人工智能专业出身，没有接触过Android开

目录收起1背景2训练营课程（1）学习专题：（2）学习目的3结业作业（1）作业题目：（2）实现效果：（3）代码实现：4心得体会（1）课程学习心得（2）AidLux使用心得1背景参加了智慧安防实战训练营课程

1训练营课程（1）本节课主要学习智慧安防实战训练营的课程，课程详情见链接：https://fd5gw1nrcx.feishu.cn/docx/FuVYdmYnIoLWzBxGwxdcVOiwnbb。（2）学习目的作为一名算法工程师，对学如逆水行舟，不进则退这句话有着深刻的理解，在这个行业内卷越来越严重的情况下，需要通过不停的学习来努力提升自己，同时算法工程师也需要具有敏锐的洞察力，对新出现的技术，

1训练营课程（1）课程来源本次训练营是江大白老师（公众号「江大白」，领取《人工智能算法岗江湖武林秘籍》）举办的《Aidlux智慧安防AI实战训练营》。

智慧安防实战训练营链接：https://mp.weixin.qq.com/s/xgOCqBRGnl9QasViLUozMw1.1AI对抗攻击算法介绍对抗攻击（adversarialattack）是AI安全方向的重要分支，其核心逻辑是在数据中增加一些微小扰动，在人类视觉系统无法察觉的情况下，使得算法模型对这些数据产生误判。其中被增加扰动的数据也称为对抗样本。下面是一些直观的通过增加对抗噪声来让算法模

目前主流对抗防御的总体分支与逻辑：其中对抗训练是指在训练过程中加入对抗样本，通过不断的学习对抗样本的特征，从而提升模型的鲁棒性。监测识别对抗样本顾名思义，在项目关键节点处，设置一些能够识别对抗样本的特种模型，从而提前预警对抗攻击风险。模型鲁棒结构设计是指在模型中设计特定的滤波结构能够一定程度上增强模型鲁棒性，抵御对抗噪声。对抗扰动结构破坏主要在数据流处理的时候使用，通过一些滤波算法，噪声结构破坏算

AI对抗攻击算法划分目前主流对抗攻击算法的总体分支与逻辑：其中，当算法模型参数和训练数据等信息被攻击者所掌握，并且攻击者在此基础上进行的针对性攻击称为白盒攻击。白盒攻击主要分为基于梯度的攻击，基于优化的攻击以及基于GAN的攻击。而在对算法模型的结构和参数一无所知，甚至相关训练数据也一无所知的情况下，进行攻击的过程称为黑盒攻击。黑盒攻击主要分为基于迁移的攻击和基于查询的攻击两大类。基于迁移的攻击逻辑

1背景以深度学习为核⼼的⼈⼯智能存在易受攻击的缺陷，比如攻击者通过精⼼制作的3D⼈脸⾯具以及相应的合成图⽚，破解了多个公司的⼈脸识别系统，说明⼈⼯智能的可靠性仍需加强。实际应用中，AI系统往往⾯临着很多特有的⼲扰，主要是针对数据和系统的攻击，⽐如中毒攻击，对抗攻击，后⻔攻击等。针对这些攻击，很多工作提出了各种不同的方法，比如设计异常数据检测方法来检测并清除中毒样本，对抗样本，后门样本等攻击性样本；

完整项目代码：https://github.com/yangdadage/AidLux_intelligent_transportation/tree/master课件及老师示例代码可关注AidLux公众号获取

希望通过AidLux帮助开发者“排忧解难”，让AI学习和AI应用落地这件事简单点。为此，我们8月开展了AI应用案例征集

一、通常来说，智慧交通行业主要是对交通场景内的行人，机动车，非机动车进行识别分析。行人识别分析包括对行人的姿态，方向，外观，以及基于行人的交通事件识别分析，（行人闯红灯等）。机动车识别分析包括对机动车的外型，颜色，车灯，车窗，驾驶员安全事件分析（是否在打电话，是否系安全带等），车牌，车辆方向以及基于机动车的交通事件识别分析（超速检测，违停判定等）。非机动车识别分析包括对非机动车的细分类别识别，运动

所需设备：android系统的手机/平板一部，下载手机Aidlux的

一、安装mariadb首先更新下源aptupdate使用apt命令安装mariadb-serveraptinstallmariadb-server安装成功后：查看版本mysql--version查看服务运行状态servicemysqlstatus该状态表示未启动成功服务启动相关命令开启服务：servicemysqlstart下图ok表示服务启动成功关闭服务：servicemysqlstart重启服

不同手机AidLux后台运行设置当然，有的小伙伴在运行Aidlux桌面的时候，如果微信上有人找你。如果将手机版本的Aidlux缩小时，切换到微信时，会发现PC端Aidlux桌面上的操作就被终止了。

最近就有AidLux开发者用平台便捷、高效地实现了老人摔倒检测demo

一、活动简介“AI很火，落地很难”，这句话很好地概括了现阶段人工智能应用的现状与窘境。“借助人工智能实现业务增长”，是相当一部分人工智能从业者的共识，也是相当一部分企业的愿景，但是不断升级和完善算法、算力、数据的人工智能，走出实验室进入传统企业的过程并不如想象中那么顺利。技术门槛高、基础设施要求高导致的高成本是横在传统企业面前的一道坎；AI异构计算、所用芯片和使用场景碎片化的问题则造成了AI公司很

随着中国智能制造产值的不断增加，工业视觉的市场规模呈现出了“百亿递增”现象。2021年工业视觉市场规模为178亿，未来5年内预计超500亿，行业整体发展增速快，深度学习、AI认知逐步建立，应用渗透率提高，受技术影响较大。视觉检测是工业视觉的主要应用场景之一，但目前传统检测方案中还存在多种问题难以满足智能物联网和工业互联网迭代过程中产线多样化的生产需求。1.开发部署繁琐传统工业检测方案需要算法工程师

AidLux支持多屏互联跨端操作，提供统一一致的用户交互界面。开发者可以通过该功能轻松访问Linux环境，执行相关命令、维护系统、修改启动脚本、部署服务、重启系统等等，方便个人和企业进行操作和管理。

自从"AidLux开发者社区"推出后，有很多用户聚集在社区里探讨各类话题，其中不乏如何在平台内安装、配置各种常用软件和编程语言的相关内容。

近年来，中国制造业人工智能解决方案的市场规模呈现快速增长的态势，2017至2021年的年复合增长率为97.2%。来源：《2022年中国AI工业质检行业产业链分析》报告其中，基于机器视觉发展的Al工业质检覆盖了多个制造行业，内容涉及产品外观缺陷、尺寸、质量等多种应用，市场规模可观，吸引了越来越多企业和厂商的入场。随着AI工业质检技术在各领域渗透率的不断提高，制造业人工智能解决方案市场规模将持续上升，

1、前景介绍目录1、前景介绍2、训练营课程3、测试完成的作业内容（1）题目（2）实现效果展示（3）实现代码4、学习心得参考（1）Aidlux简介Aidlux是基于ARM架构的跨生态的（Android/鸿蒙

下载软件之前，你需要先进行准备工作，准备一部被root的手机。“Airlux”app可在手机的软件商店或浏览器中下载。下载完成之后，打开软件，授予权限后便可进入Linux系统的安装程序。安装完成后便在手机上使用Linux系统了。可打开“应用中心”在Linux栏下安装nginx（web服务器），除了nginx还有很多开发者工具可以安装使用。系统默认是debian10系统。打开桌面上的“Cloud_i

1.aidlux简介请参考：百度2.安装全教程1.官网下载安装包2.打开应用并同意协议3.系统开始自动安装4.系统自动开机成功进入桌面可以参阅系统中的帮助文档加以了解。

本文内容主要来源于江大白老师主讲的《AidLux智慧安防实战训练营》。

目录1pt模型转换成tflite模型2Aidlux视频推理代码理解3代码复制到Aidlux中4远程连接Aidlux软件5推理测试Aidlux代码本文内容主要来源于江大白老师主讲的《AidLux智慧安防实战训练营

目录一、背景二、配置环境三、使用手机行为检测数据集四、租用云端GPU进行模型训练五、PC端验证训练效果六、Aidlux端的模型推理测试七、改进及拓展一、背景现代社会“低头族”越来越多，过马路时低头玩手机

本文内容主要来源于江大白老师主讲的《AidLux智慧安防实战训练营》。

“换脸”案例源码详解（Python）faceswap_gui.py用于换脸，可与facemovie_gui.py身体互换源码(上一篇文章)对照观看打开faceswap_gui换脸案例点读取函数数学变换方法换脸函数图像预处理函数检测模式函数绘制网格函数获取关键点及标志的函数（2~8步与“身体互换”相同，未验证是否存在细微差别）构建程序的图形化类初始化处理函数(首先被调用)程序入口打开facemovi

“3D对象检测”案例源码详解（Python）objectron.py用于检测3D对象检测峰值解码函数绘制三维空间中的盒子，以标识物体指定模型路径和输入形状设置相机并开始读图启动模型，调用三个函数进行物体检测并绘制打开objectron对象检测案例1.在VScode中进入代码编辑状态。2.代码存在路径在/examples_gpu/objectron/objectron.py。导入相关库1.cvs图形

AI开发依赖开发环境和框架，AidLux集成了全球10大主流AI框架（TensorFlow、PaddlePaddle、NCNN、TNN、MNN、PyTorch、Caffe、MXNet、MindSpore

各位开发者们，AidLux1.2版本来了！！！

近年来，AI技术在家居、驾驶、安防等领域的关注度逐步提升，成为新一轮产业变革的关键力量。在各行各业都面临智能化升级的时代，AI应用型人才市场需求巨大，供需失衡问题突出。研究发现，近两年中国企业AI应用实施遇到的最大阻碍来自于AI专业人才（数量稀缺、能力与岗位不匹配等），占比超50%，且目前中国AI人才缺口已超500万，AI人才供求比例达到1：10。AI应用型工程师数量稀缺与能力不匹配问题成为了人工