【Sipeed MaixCAM Pro开发板试用体验】 + 04 + 机器学习YOLO体验

一、引言

首先在此非常感谢电子发烧友论坛给与的试用测评机会，同时也非常感谢 Sipeed矽速科技提供的 设备 ，让我有机会能够去体验这款高性能 AI 视觉处理板--MaixCAM Pro 。

二 、 机器学习YOLO体验

1.在线训练

Sipeed矽速科技拥有自研搭建的MaixHub平台，可以快速简单的完成yolo训练。

下面我将展示训练集拍摄标注和训练的相关图片

数据集有直接上传和拍摄2种方式

数据集的标注也有2种方式，分别为手动标注和自动标注2种，如果你拍摄的数据集不是静态或者变化幅度较大，我的建议是不要使用自动标注，会产生很大的误差。

数据集的训练界面操作简单明了，我认为非常适合新手的学习，如果还有什么不懂的，见官方手册，有具体的操作流程和介绍，链接如下：
https://wiki.sipeed.com/maixpy/doc/zh/vision/maixhub_train.html

我认为在线训练为数不多的缺点就是当训练 人数过多时 ，训练需要排队，从而导致 训练时长的增加 。 优点就是方便快捷简单易用 。

2.离线训练

在本题中我采用的就是离线训练方法，但是对于新手我个人不是很推荐一上来就使用离线训练，因为搭建训练平台需要一定的虚拟机相关知识，可以在对YOLO有一定的了解和进行多几次训练后再去尝试离线训练，我相信这样会产生更好的效果。

我认为离线训练相较于在线训练的 优点就是精度更高 ， 拥有更多可选择的训练模型 ，其次就是不用担心因为 训练人数过多而导致的时长增加问题 ，缺点就是 搭建成本更高 。

这是对于本题的训练展示，另外我还将展示一个我最近训练的查找数字的模型

前提条件是我拥有9个分别是汉字1-9的物块牌，从中任意拿走一个，通过对剩余物块牌的识别，可以快速的得到被拿走的物块牌并进行屏幕显示。

相关演示见顶部和底部视频

3.离线训练平台搭建和docker容器搭建

官方对此有较详细的教程https://wiki.sipeed.com/maixpy/doc/zh/vision/customize_model_yolov5.html

如果对此还是有疑问，我推荐大家可以去CSDN上看这篇训练文章https://blog.csdn.net/m0_75041317/article/details/142930573 实测好用

4.YOLO训练的精度

这张图片是我通过在线训练平台使用yolov5训练得出的模型精度，可以明显的看出训练出的 模型精度最高有0.924 ，是一个非常高的结果。（ 图中训练出的0.473模型精度是由于训练集太少导致的 ）。

这张图是我离线训练的结果，我认为训练出来的模型精度主要还是跟训练集的质量和标注有关，只要在这几方面做好，训练出来的模型精度肯定不会低（实测多次）。

三、结语

对于这次的开发板试用活动我个人非常满意，不仅是从 平台的技术支持 ，还是 开发板的体验效果 ，都远超我的预期。特别是 AI方面的应用 ， YOLO模型识别 ，人脸情绪检测，手势检测等，如果你对这方面很感兴趣的话，我认为Maixcam Pro这款开发板或许是个不错的选择。