准备工作
win10/11系统的电脑
建议1张FAT32格式的SD卡
建议自备1根Type-C数据线
在正式进行开发前,需要安装下图中勾选的四个软件!!!
![bc18ed40-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdqqAEzysAACDvdVrjsU418.png)
注册账号并创建Edge Impulse工程
打开Edge Impluse网站,注册登录。随后在项目标签页创建新项目:
![bc43e298-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdqqAKkBVAAFTfwKumfs104.png)
上传训练集
按照以下步骤,依次点击Dashboard->Add existing data->Upload data。
![bc74450a-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdqqAaXabAAKELBLlYqs500.png)
![bc9e4d32-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdqqAKmBlAAKeAKe19WI513.png)
注意:若未在数据集中对图片进行label注释(可参考官方文章),需要手动进行添加标签,或直接选择Enter label进行标签定义。分3次单独上传3个不同图片的文件夹,并添加label为ship、truck和plane。
生成特征
点击左侧Impulse design->Create Impulse,依次点击Add a processing block、Add a learning block进行输入数据对象、训练模型的选择,并点击保存。(Add 带星标的即可)
![bcb4765c-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdqqAShL1AAJWq8ryfJM886.png)
继续点击左侧Image,Color depth选择RGB,点击保存。接下来会自动跳转到生成特征界面,点击生成特征按钮,等待特征生成,结束后会有三维图像显示。
![bccdee34-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdquAEO5hAAJSzLs4vzc783.png)
迁移训练
点击左侧Transfer learning按钮,依次设置训练参数:训练周期、学习率等参数。随后选择自己实验最符合的训练模型(默认选第一个),点击开始训练。
![bcf17bec-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdquAU5sLAAGg16GWRzI547.png)
如果最后的结果和准确率不满足自己的实验要求,可尝试重新训练,重新更改参数及训练模型。
![bd22f5d2-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdquAd4svAAIaISABAz4090.png)
在Vision Board上部署
在左侧点击Deployment,搜索OpenMV library,点击Build,等待固件生成。
![bd48bfd8-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdquAKCLUAAHDMJ3EcIc225.png)
将下载下来的压缩文件解压("trained.tflite"、"labels.txt"、"ei_image_classification.py"),将ei_image_classification.py改名为main.py,随后将3个文件全部复制到sd卡中去(取下SD卡,使用读卡器将3个文件复制到sd卡)。
![bd6d7ab2-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdquAQgJVAABPO4TExCk046.png)
用Type-C线连接Vision Board USB-OTG口,随后将sd卡中的main.py拖入OpenMV IDE中,打开并运行,此时可以在串口终端看见识别的结果及准确率。
![bd896128-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdqyADLvWAAQWA-WCBoM829.png)
使用虚拟U盘功能
点击RT-Thread Setting-->TinyUSB->配置项
![bdadf0b0-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdqyAMc6WAAHe8JDr1I0936.png)
在TinyUSB选项处依次点开USING USB device->Using Mass Storage Class(MSC),将The name of the block device used by MSC中的内容更改为sd,随后保存。重新点击编译,编译完成后即可烧录到开发板。(由于文件较大,时间可能会比较长)
注意:烧录需要将Type-C线插到USB-DBG口,烧录完成后再将线插到USB-OTG口,使能USB复合设备后,每次第一次上电需要先等待弹出U盘后再连接 OpenMV IDE!!否则会卡死!!
![bddcf8f6-8c1b-11ef-b5cd-92fbcf53809c.png](https://file1.elecfans.com//web1/M00/F3/16/wKgaoWcQdqyAIqueAAHwmIHIvMM740.png)
弹出U盘后就可以把生成OpenMV固件拖至u盘中,随后连接OpenMV IDE,即可体验自己训练的神经网络模型。
-
神经网络
+关注
关注
42文章
4769浏览量
100689 -
神经网络模型
+关注
关注
0文章
24浏览量
5605 -
board
+关注
关注
0文章
37浏览量
19728 -
Vision
+关注
关注
1文章
196浏览量
18165
发布评论请先 登录
相关推荐
评论