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 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

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？

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），手把手教学级别，博客全篇代码开源！！！

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。

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 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

社区管理员

加入社区

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