完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
20 * 240 的检测结果
## 首先移植ncnn框架 ### 一、首先下载ncnn的源码包 git clone ### 二、编译ncnn源码 mkdir -p build-aarch64-linux-gnu pushd build-aarch64-linux-gnu cmake -DCMAKE_TOOLCHAIN_FILE=../toolchains/aarch64-linux-gnu.toolchain.cmake .. make -j4 make install popd 注意:不同的工具链需要修改../toolchains/aarch64-linux-gnu.toolchain.cmake这个文件里面的toolchains ### 三、测试 1、进入build-aarch64-linux-gnu路径下 2、进入examples路径下有编译好的测试应用 3、复制ncnn的网络模型参数到当前文件下 cp ../../examples/squeezenet_v1.1.* . 4、执行:./squeezenet ../../images/32-ncnn.png 5、结果: 747 = 0.140954 446 = 0.098634 531 = 0.063560 6、安装成功 ### 四、mtcnn网络搭建 ```cmake 1、源码clone:git clone 2、然后进入ncnn目录 3、修改CMakelists.txt在前面添加 FIND_PACKAGE( OpenMP REQUIRED) if(OPENMP_FOUND) message("OPENMP FOUND") set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} ${OpenMP_C_FLAGS}") set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} ${OpenMP_CXX_FLAGS}") set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} ${OpenMP_EXE_LINKER_FLAGS}") endif() 4、在尾部添加 target_link_libraries(${DEMO_NAME} opencv_highgui opencv_videoio opencv_imgcodecs opencv_video opencv_photo opencv_imgproc opencv_core) 5、修改完成如下: FIND_PACKAGE( OpenMP REQUIRED) if(OPENMP_FOUND) message("OPENMP FOUND") set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} ${OpenMP_C_FLAGS}") set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} ${OpenMP_CXX_FLAGS}") set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} ${OpenMP_EXE_LINKER_FLAGS}") endif() AUX_SOURCE_DIRECTORY(./ SRC_FILES) include_directories("/usr/local/include/ncnn") link_directories("/usr/local/lib") set(DEMO_NAME ntnn) add_executable(${DEMO_NAME} ${SRC_FILES}) target_link_libraries(${DEMO_NAME} ${OpenCV_LIBS} ) target_link_libraries(${DEMO_NAME} ncnn) target_link_libraries(${DEMO_NAME} opencv_highgui opencv_videoio opencv_imgcodecs opencv_video opencv_photo opencv_imgproc opencv_core) ``` ```c++ 6、然后执行修改main.cpp这个文件 如下 #include #include #include #include #include #include #include #include "net.h" #include "platform.h" #include "mtcnn.h" #define MAXFACEOPEN 0 ``` 7、修改完成后,然后新建build文件夹 8、然后进入build文件夹,执行cmake .. && make 9、测试 我使用的是480 * 640的摄像头,无人脸的时候耗时在500ms,有人脸的耗时在1s多点 使用240 * 320的裁剪后图片,无人脸耗时有波动在:10ms ~ 400ms之间。有人脸大概耗时500ms 10、后续待优化 花费时间 |
|
|
|
你正在撰写答案
如果你是对答案或其他答案精选点评或询问,请使用“评论”功能。
1971 浏览 1 评论
synopsys 的design ware:DW_fpv_div,浮点数除法器,默认32位下,想提升覆盖率(TMAX),如果用功能case去提升覆盖率呢?
2470 浏览 1 评论
RK3588 GStreamer调试四路鱼眼摄像头四宫格显示报错
5251 浏览 1 评论
【飞凌嵌入式OK3576-C开发板体验】RKNN神经网络-YOLO图像识别
254 浏览 0 评论
【飞凌嵌入式OK3576-C开发板体验】SSH远程登录网络配置及CAN通讯
1336 浏览 0 评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2024-11-24 07:10 , Processed in 0.636649 second(s), Total 71, Slave 55 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (电路图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191 工商网监 湘ICP备2023018690号