当前位置: 首页 > news >正文

javasceip做网站百度推广的五大优势

javasceip做网站,百度推广的五大优势,海外推广运营,自动搭建网站整期笔记索引 香橙派OrangePi AIpro上手笔记——之USB摄像头目标检测方案测试(一) 香橙派OrangePi AIpro上手笔记——之USB摄像头目标检测方案测试(二) 香橙派OrangePi AIpro上手笔记——之USB摄像头目标检测方案测试(…

 整期笔记索引

香橙派OrangePi AIpro上手笔记——之USB摄像头目标检测方案测试(一)

香橙派OrangePi AIpro上手笔记——之USB摄像头目标检测方案测试(二)

香橙派OrangePi AIpro上手笔记——之USB摄像头目标检测方案测试(三)

本章前言

在测试笔记(一)中,我们已经掌握并搭建了板卡的初步调试环境。

在测试笔记(二)中,我们开始逐步上手官方的Demo,进行跑测,首先测试的是Camera图像获取(USB接口)样例

今天,我们将要跑测:目标检测(USB接口)样例。

官方Demo跑测——02 目标检测(YoloV5s)

【目标检测(USB接口)样例 链接】

Ascend/EdgeAndRobotics - Gitee.comicon-default.png?t=N7T8https://gitee.com/ascend/EdgeAndRobotics/tree/master/Samples/YOLOV5USBCamera

【样例描述】

通过USB接口连接Camera与开发板,从Camera获取视频,基于yolov5s模型对输入视频中的物体做实时检测,将推理结果信息使用imshow方式显示。

YOLOv5是一种单阶段目标检测器算法

YOLOv5sYOLOv5系列中较为轻量的网络模型,适合在边缘设备部署,进

行实时目标检测。

1、设置环境变量

PS:以HwHiAiUser用户登录开发板。

运行记录:(此处我使用的是命令行方式)

(base) HwHiAiUser@orangepiaipro:~$ export DDK_PATH=/usr/local/Ascend/ascend-toolkit/latest(base) HwHiAiUser@orangepiaipro:~$ export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub

2、安装ACLLite库

此处可以参考ACLLite仓安装ACLLite库。

ACLLite链接:

Ascend/ACLLiteicon-default.png?t=N7T8https://gitee.com/ascend/ACLLite

【ACLLite库描述】

通过USB接口连接Camera与开发板,从Camera获取视频,基于yolov5s模型对输入视频中的物体做实时检测,将推理结果信息使用imshow方式显示。

  • CANN版本要求: 7.0及以上社区版本。

命名空间

模块

说明

acllite

common

资源管理及公共函数模块

DVPPLite

DVPP高阶封装模块

OMExecute

离线模型执行高阶封装模块

Media

媒体功能高阶封装模块

  • 安装依赖
  1. 安装CANN
    参考社区文档安装CANN
     
  2. 安装ffmpeg

        (1)通过如下命令查询OS版本

lsb_release -a

此处显示我的操作系统为Ubuntu 22.04

        (2)根据版本选择安装方式

根据查询结果选择安装方式此处我选择的是Ubuntu 22.04及以上版本的安装方式:apt安装

apt-get install ffmpeg libavcodec-dev libswscale-dev libavdevice-dev

  • 安装步骤
# 拉取ACLLite仓库,并进入目录
git clone https://gitee.com/ascend/ACLLite.gitcd ACLLite

# 设置环境变量,其中DDK_PATH中/usr/local请替换为实际CANN包的安装路径
export DDK_PATH=/usr/local/Ascend/ascend-toolkit/latest
export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub

# 安装,编译过程中会将库文件安装到/lib目录下,所以会有sudo命令,需要输入密码
bash build_so.sh

3、样例下载

可以使用以下两种方式下载,请选择其中一种进行源码准备。

  • 命令行方式下载(下载时间较长,但步骤简单)。
  • 压缩包方式下载(下载时间较短,但步骤稍微复杂)。

运行记录:

# 登录开发板,HwHiAiUser用户命令行中执行以下命令下载源码仓 
cd ${HOME}git clone https://gitee.com/ascend/EdgeAndRobotics.git

# 切换到样例目录cd EdgeAndRobotics/Samples/YOLOV5USBCamera

PS:所有运行均以HwHiAiUser用户登录开发板,切换到当前样例目录。

4、准备测试视频

请从以下链接获取该样例的测试视频,放在data目录下。

cd datawget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/yolov5s/test.mp4 --no-check-certificate

PS:若需更换测试视频,则需自行准备测试视频,并将测试视频放到data目录下。

5、获取PyTorch框架的Yolov5模型(*.onnx)

获取模型,并转换为昇腾AI处理器能识别的模型(*.om)

  • 先设置两个环境变量减少atc模型转换过程中使用的进程数,减小内存占用。
export TE_PARALLEL_COMPILER=1
export MAX_COMPILE_CORE_NUMBER=1

  • 然后直接给出原始模型下载及模型转换命令。
cd ../modelwget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/yolov5s/yolov5s.onnx --no-check-certificatewget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/yolov5s/aipp.cfg --no-check-certificate

然后进行模型转换(这一步时间稍长,请耐心等待...)

atc --model=yolov5s.onnx --framework=5 --output=yolov5s --input_shape="images:1,3,640,640" --soc_version=Ascend310B4 --insert_op_conf=aipp.cfg

atc命令中各参数的解释如下,详细约束说明请参见《ATC模型转换指南》

  • --model:Yolov5网络的模型文件的路径。
  • --framework:原始框架类型。5表示ONNX。
  • --output:yolov5s.om模型文件的路径。请注意,记录保存该om模型文件的路径,后续开发应用时需要使用。
  • --input_shape:模型输入数据的shape。
  • --soc_version:昇腾AI处理器的版本。

PS:这一步骤时间较长,同时可以看到下图在运行该步骤时,CPU运行占比较高。

完成后,信息显示如下:

6、编译样例源码

执行以下命令编译样例源码

cd ../scriptsbash sample_build.sh

7、运行样例

  • 在HDMI连接屏幕场景,执行以下脚本运行样例。此时会以画面的形式呈现推理效果。
bash sample_run.sh imshow

HDMI的屏幕上显示如图:

  • 在直连电脑场景,执行以下脚本运行样例。此时会以结果打屏的形式呈现推理效果。
bash sample_run.sh stdout

8、对比查看运行时的cpu和系统状态

运行前,系统状态如图

运行时,系统状态如图

官方Demo跑测——03 体验AI应用样例(运行目标检测)

【样例介绍】

在样例中已经包含转换后的om模型和测试视频、图片

JupyterLab中运行样例

运行样例文件夹中共有 9 个文件夹和 1 个 shell 文件

分别对应 9 个 AI 应用样例和Jupyter Lab

1、切换到样例目录

(base) HwHiAiUser@orangepiaipro:~$ cd samples/notebooks/

2、启动脚本

(base) HwHiAiUser@orangepiaipro:~/samples/notebooks$ ./start_notebook.sh

start_notebook.sh脚本,会自动启动 Jupyter Lab

3、执行该脚本

终端会出现如下打印信息

PS:打印信息中会有登录 Jupyter Lab 的网址链接

4、打开火狐浏览器,访问log中的网页

  • 首先在jupyterlab界面双击“01-yolov5”,进入到该目录下。
  • 双击打开main.ipynb,在右侧窗口中会显示main.ipynb文件中的内容。

其中mian.ipynb是在JupyterLab中运行该样例的文件

  • main.ipynb文件中infer_mode的值可赋值为imagevideocamera,分别对应对图片、视频、USB摄像头中的内容进行目标检测,默认值为video
  • 单击 按钮运行样例,在弹出的对话框中单击“Restart”按钮,此时该样例开始运行。

infer_mode设为image变量时:

infer_mode设为video变量时:

infer_mode设为camera变量时:

附:硬件链接方案:

  • 左侧:两个USB接口,一个是摄像头,另一个是USB扩展器(连接键盘鼠标)
  • 中间:HDMI屏幕显示
  • 右侧:电源连接线

结语

        至此,我们的Demo 系列就完成了。

        demo 1,我们调通了香橙派调用USB摄像头的环境。

        demo 2,我们针对目标检测YoloV5s进行了跑测。

        demo 3,我们深入体验板载的AI应用,针对视频、图片和摄像头的目标检测方案,进行了分步跑测。

        从系统状态的角度来看,当前目标检测的小demo,并未用尽板子的性能,甚至连一半还没有用到。足可见得,当前开发板的性能对于yolo的一些简单项目来说,是足够使用的。

        对于一些AI入门级选手,可以考虑入手,边学习边深入应用。

http://www.tj-hxxt.cn/news/76214.html

相关文章:

  • 庆阳新闻网seo站长常用工具
  • 动态网站建设心得体会seo搜索引擎优化步骤
  • 网站建设中 模板百度竞价sem
  • 宁夏网站建设中安卓手机优化
  • 网站建设 成本建设营销网站
  • 湖南省政府网站湖南seo优化公司
  • 网站开发需要2个月吗百度收录网站入口
  • 做爰全过程网站免费的视频网络营销策略分析论文
  • 新闻网站建设合同百度热搜关键词
  • 鞍山网站建设联系方式深圳百度
  • 找网站建设公司网站搜索引擎优化技术
  • 网站怎么做才算精致优化营商环境心得体会
  • 东莞营销型网站建设找火速seo五大经验分享
  • 日本网站设计seo网站优化报价
  • dw网站制作手机软件下载app推广是做什么的
  • 沛县徐州网站开发旅游网站的网页设计
  • 东莞企业网站建设价格安康地seo
  • 什么是电子商务网站建设郑州做网站的大公司
  • 中山网站建设如何网络推广团队
  • 山东做网站找谁百度广告优化
  • 现在哪个招聘网站做的比较好北京公司排名seo
  • 没有备案的网站百度不收录今日热点新闻视频
  • 湘潭seo培训百度网站快速优化
  • wordpress导航主题haow成都网站改版优化
  • 没技术怎么做网站国外网站seo免费
  • 免费建站自己的网址哪里做网站便宜
  • 网站如何优化关键词网站推广网站
  • 车牌照损坏在网站做的能用吗网络营销课程有哪些
  • 西安淘宝网站建设公司排名品牌推广平台
  • 濮阳推广公司seo关键词排名优化教程