[文章]

《DNK210使用指南 -CanMV版 V1.0》第四十八章自学习分类实验

jf_85110202

昨天 09:22

298 正点原子单片机开发板 K210

第四十八章自学习分类实验

在上一章节中，介绍了利用maix.KPU模块实现了MNIST的手写数据识别，本章将继续介绍利用maix.KPU模块实现的自学习分类。通过本章的学习，读者将学习到自学习分类应用在CanMV上的实现。

本章分为如下几个小节：

47.1 maix.KPU模块介绍

47.2 硬件设计

47.3 程序设计

47.4 运行验证

48.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第39.1小节《maix.KPU模块介绍》。

48.2 硬件设计

48.2.1 例程功能

1. 获取摄像头输出的图像，对三类物体分别采集五张图像后，对采集到的图像进行分类学习，分类学习完成后，在LCD上显示识别出的物体和其对应的得分。

48.2.2 硬件资源

本章实验内容，主要讲解maix.KPU模块的使用，无需关注硬件资源。

48.2.3 原理图

本章实验内容，主要讲解maix.KPU模块的使用，无需关注原理图。

48.3 程序设计

48.3.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第48.1小节《maix.KPU模块介绍》。

48.3.2 程序流程图

图48.3.2.1 自学习分类实验流程图

48.3.3 main.py代码

main.py中的脚本代码如下所示：

from board import board_info

from fpioa_manager import fm

from maix import GPIO

import time

import lcd

import sensor

import gc

from maix import KPU

# 省略部分代码

fm.register(board_info.KEY2, fm.fpioa.GPIOHS2)

key2 = GPIO(GPIO.GPIOHS2, GPIO.IN, GPIO.PULL_UP)

lcd.init()

sensor.reset()

sensor.set_framesize(sensor.QVGA)

sensor.set_pixformat(sensor.RGB565)

sensor.set_vflip(True)

# 构造并初始化自学习分类KPU对象

self_learning = KPU()

self_learning.load_kmodel("/sd/KPU/mb-0.25.kmodel")

# 构造状态机对象

state_machine = StateMachine(state_handlers, event_handlers, transitions)

state_machine.emit_event(EVENT.POWER_ON)

# 构造按钮对象

key2_btn = Button()

btn_ticks_prev = time.ticks_ms()

fps = 0

clock = time.clock()

while True:

gc.collect()

clock.tick()

# 获取按键状态并处理

btn_ticks_cur = time.ticks_ms()

delta = time.ticks_diff(btn_ticks_cur, btn_ticks_prev)

btn_ticks_prev = btn_ticks_cur

if key2.value() == 0:

key2_btn.key_down(delta)

else:

key2_btn.key_up(delta)

# 获取摄像头输出图像

img = sensor.snapshot()

# 通过状态机进行自学习及分类过程

if state_machine.current_state == STATE.CLASSIFY:

scores = []

feature = self_learning.run_with_output(img, get_feature=True)

high = 0

index = 0

for j in range(len(features)):

for f in features[j]:

score = self_learning.feature_compare(f, feature)

if score > high:

high = score

index = j

if high > THRESHOLD:

a = img.draw_string(5, 200, "class:{}, score:{:2.1f}".format(index + 1, high), color=(0, 255, 0), scale=1.8)

# 显示帧率

if lcd_show_fps:

img.draw_string(5, 5, "{:.2f}fps".format(fps), color=(0, 255, 0), scale=1.5)

# 显示状态机消息

if msg_notification:

img.draw_string(5, 30, msg_notification, color=(255, 0, 0), scale=1.8)

lcd.display(img)

fps = clock.fps()

可以看到一开始是先初始化了LCD和摄像头，并分别构造并初始化了用于自学习分类的KPU对象，和用于处理按钮事件的按钮对象，以及控制整个应用裸机的状态机对象。

然后便是在一个循环中，不断地获取按键状态和摄像头输出的图像，然后根据状态机对象的处理，依次进行多种物体的图像采集、自学习和分类，最后在LCD上显示分类结果。

48.4 运行验证

将DNK210开发板连接CanMV IDE，点击CanMV IDE上的“开始(运行脚本)”按钮后，并根据LCD上的提示进行物体图像的采集，如下图所示：

图48.4.1 采集物体1图像

图48.4.2 采集物体2图像

物体的图像采集完毕后，便可在自学习完成后进行物体分类，如下图所示：

图48.4.3 检测物体1

图48.4.4 检测物体2

本主题由 dianzi_0101 于昨天 09:58 审核通过

只看该作者 淘帖0 举报

精选推荐

【RA-Eco-RA2E1-48PIN-V1.0开发板试用】(第三篇)ADC采集+PWM输出

515 浏览 0 评论
《DNK210使用指南 -CanMV版 V1.0》第四十五章人脸识别实验

515 浏览 0 评论
【CW32L010 Mini Board 测评】简介、点灯

780 浏览 0 评论
如何用OpenCV的相机捕捉视频进行人脸检测--基于米尔NXP i.MX93开发板

1360 浏览 0 评论
《DNK210使用指南 -CanMV版 V1.0》第四十章 YOLO2人手检测实验

572 浏览 0 评论

搜索历史

《DNK210使用指南 -CanMV版 V1.0》第四十八章 自学习分类实验

相关推荐

评论

精选推荐

热门帖

站长推荐 /6

《DNK210使用指南 -CanMV版 V1.0》第四十八章自学习分类实验