【米尔百度大脑EdgeBoard边缘AI计算盒试用连载】III. 板载深度学习DEMO-detection测试-上(ZMJ)

百度大脑EdgeBoard计算盒/计算卡(FZ5)是一款基于Xilinx Zynq Ultrascale CZU5EV芯片打造的深度学习计算盒/计算卡，芯片内部集成了4核ARM A53处理器+GPU+FPGA的架构，具有多核心处理能力、 FPGA可编程能能力以及视频流硬件解码能力等特点； 内置了基于Linux操作系统+百度深度学习平台-飞桨（Paddle） 定制的深度学习软核， 深度兼容百度大脑模型资源与工具平台（EasyDL/AIStudio） ， 可高效、 快速的实现模型的训练-部署-推理等一系列流程， 极大降低了开发验证、产品集成、科研教学、项目部署的门槛。

深度学习示例，位于home/root/workspace/PaddleLiteSample目录中，主要分为目标检测和分类两种模型：

分类模型classification：共四种

          1. Inceptionv2

          2. Inceptionv3

          3. mobilenetv1

          4. resnet50

目标检测detection：共四种

          1. mobilenet-ssd

          2. mobilenet-ssd-640

          3. vgg-ssd

          4. yolov3

在目标检测模型中，经测试使用YOLOV3的效果最好，不过需要将模型参数threshold参数0.3改为0.4。使用USB摄像头：灵蛇C925e-1080P。

测试前需要运行startx打开桌面，DEMO以720P分辨率运行。

a.默认720P分辨率，此时DEMO显示为全屏；

b.修改成1080P分辨率，此时DEMO会以1280x720分辨率显示，其余为白色背景。

xrandr -s 1920x1080    //1080P 60Hz

xrandr -s 1280x720      //  720P 60Hz

参考README.md进行操作即可。

进入build文件夹，摄像头运行YOLOV3-DEMO指令：

./video_detection ../configs/yolov3/screw.json  （threshold参数0.3）

./video_detection ../configs/yolov3/tempjson  （threshold参数0.4）

目标检测结果通过DP接口输出到显示器，会出现闪屏情况，该情况需要定位解决。（下个帖子解决该问题）。