社区
其他硬件开发
帖子详情
树莓派3b+ keras-yolov3 实时视频检测
KathrynNi
2020-03-20 01:57:43
现在有在windows中训练好的基于keras-yolov3的模型,树莓派的摄像头也可以拍摄并保存视频,接下去要怎么转换已经训练好的模型格式并且用到树莓派的linux系统里呢?是否一定要借助计算棒呢?
...全文
800
1
打赏
收藏
树莓派3b+ keras-yolov3 实时视频检测
现在有在windows中训练好的基于keras-yolov3的模型,树莓派的摄像头也可以拍摄并保存视频,接下去要怎么转换已经训练好的模型格式并且用到树莓派的linux系统里呢?是否一定要借助计算棒呢?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
1 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
ShadowDancer_
2020-05-18
打赏
举报
回复
想问一下楼主问题解决了吗?是怎样解决的?
基于
树莓派
的垃圾分类识别,师院17级小透明投稿备份来自汤老师的《物联网项目规划与实施》课程期末作业展示。
比赛需要故只开源了粗劣的第一个版本demo实现,第二版本改进使用
yoloV3
模型进行垃圾分类
检测
,机器臂分拣垃圾,垃圾分类数据集重新收集,并有微信小程序的用户查询垃圾分类及反馈机制 注意看ReadMe文件,注意看ReadMe文件,注意看ReadMe文件 B站
视频
介绍地址:https://www.bilibili.com/video/av80830870 交流群:1074171553 题主双非师范院校2021考研狗,如果你觉得这个小项目有帮助到你,请为项目点一个star,不管是考试型选手毕设项目被迫营业还是直接拿去二开参加比赛,这些都没问题,开源项目就是人人为我我为人人,但请尊重他人劳动成果,大家都是同龄人.心上无垢,林间有风. 材料清单
树莓派
1个 pca9685 16路舵机驱动板 1个 7寸可触摸显示屏一个 MG996R 舵机4个 垃圾桶4个 usb免驱动摄像头1个
树莓派
GPIO扩展板转接线柱1个 硅胶航模导线若干 环境需求 1.开发环境 神经网络搭建—python 依赖 tensorflow,
keras
训练图片来源华为云2019垃圾分类大赛提供 训练图片地址:https://developer.huaweicloud.com/hero/forum.php?mod=viewthread&tid=24106 下载图片文件后将文件解压覆盖为 garbage_classify 放入 垃圾分类-本地训练/根目录 神经网络开源模型--- resnet50 models 目录需要手动下载resnet50 的模型文件放入 resnet50模型文件名:resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 百度就可以找到下载放入即可:https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 2.运行开发环境 进入 "垃圾分类-本地训练"目录 环境初始化 python3 安装框架flaskpip3 install flask 安装tensorflow,
keras
等依赖 pip3 install tensorflow==1.13.1 pip3 install
keras
==2.3.1 运行 1.命令python3 train.py开启训练 2.命令python3 predict_local.py开启输入图片测试 3. 训练服务模型部署 进入 "垃圾分类-服务部署"目录 output_model 目录存放的是本地训练完成导出的h5模型文件 models 目录需要手动下载resnet50 的模型文件放入 resnet50模型文件名:resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 百度就可以找到下载放入即可:https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 环境初始化 安装框架flaskpip3 install flask 安装tensorflow,
keras
等依赖 pip3 install tensorflow==1.13.1 pip3 install
keras
==2.3.1 运行 1.命令python3 run.py开启窗口本地调试 2.命令python3 flask_sever.py开启服务部署 3.命令sh ./start.sh开启后台运行服务部署 4.
树莓派
界面搭建 基于nodejs electron-vue 强烈建议使用cnpm来安装nodejs库 进入 "
树莓派
端/garbage_desktop"目录 安装依赖 cnpm install 开发模式 cnpm run dev 打包发布 cnpm run build 5.
树莓派
端flask-api接口操作硬件 进入"进入 "
树莓派
端/garbage_app_sever"目录" 注意
树莓派
应该开启I2C,确保pca9685 I2C方式接入后可显示地址 命令:i2cdetect -y 1 查看 地址项 0x40是否已经接入
树莓派
运行 python3 app_sever.py 或者 sh start.sh 启动 若提示缺少依赖: pip3 install adafruit-pca9685 pip3 install flask
基于
树莓派
4B的YOLOv5-Lite目标
检测
的移植与部署(含训练教程)
基于
树莓派
4B的YOLOv5-Lite目标
检测
的移植与部署(含训练教程),手把手教学级别,博客全篇代码开源!!!
使用TensorFlow+
keras
快速构建图像分类模型
课程分为两条主线:1 从Tensorflow的基础知识开始,全面介绍Tensorflow和
Keras
相关内容。通过大量实战,掌握Tensorflow和
Keras
经常用到的各种建模方式,参数优化方法,自定义参数和模型的手段,以及对训练结果评估与分析的技巧。2 从机器学习基础算法开始,然后进入到图像分类领域,使用MNIST手写数据集和CIFAR10图像数据集,从简单神经网络到深度神经网络,再到卷积神经网络,最终完成复杂模型:残差网络的搭建。完成这条主线,学员将可以自如地使用机器学习的手段来达到图像分类的目的。
树莓派
也可以部署基于YOLO的目标
检测
YOLO目标
检测
结果在本文的第一部分中,我测试了YOLO(You Only Look Once)这一流行的目标
检测
库的“复古”版本。只使用OpenCV运行深度学习模型,而不使用“沉重”的框架如PyTorch或
Keras
,对于低功耗设备来说是有前途的,因此我决定深入研究这个主题,看看最新的YOLO v8模型在
树莓派
上的工作原理。让我们深入了解。硬件在云中运行任何模型通常不是问题,资源几乎是无限的。但...
在
树莓派
部署Yolov5
在
树莓派
部署yolov5 上一篇文章记录了在Windows系统上部署yolov5的大致步骤,和出现过的一些问题及其解决办法。 本文为了解决
树莓派
上部署yolov5的参考文章杂而少的问题,将查到的一些资料进行整合与总结。 文章目录在
树莓派
部署yolov5部署yolov5所需要安装的东西一、yolov5包二、一些必要的更新与安装三、观察yolov5所依赖的包四、安装Pytorch和Torchvision五、安装Cython六、安装matplotlib七、安装numpy八、安装opencv-python九、安装
其他硬件开发
2,425
社区成员
4,282
社区内容
发帖
与我相关
我的任务
其他硬件开发
硬件/嵌入开发 其他硬件开发
复制链接
扫一扫
分享
社区描述
硬件/嵌入开发 其他硬件开发
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章