• 免费好用的星瞳AI云服务上线!简单标注,云端训练,支持OpenMV H7和OpenMV H7 Plus。可以替代edge impulse。 https://forum.singtown.com/topic/9519
  • 我们只解决官方正版的OpenMV的问题(STM32),其他的分支有很多兼容问题,我们无法解决。
  • 如果有产品硬件故障问题,比如无法开机,论坛很难解决。可以直接找售后维修
  • 发帖子之前,请确认看过所有的视频教程,https://singtown.com/learn/ 和所有的上手教程http://book.openmv.cc/
  • 每一个新的提问,单独发一个新帖子
  • 帖子需要目的,你要做什么?
  • 如果涉及代码,需要报错提示全部代码文本,请注意不要贴代码图片
  • 必看:玩转星瞳论坛了解一下图片上传,代码格式等问题。
  • 运行神经网络例程openmv自动关机,运行其他的例程正常



    • 文件什么的都传到sd卡中了
      0_1655358944911_1c60b44d-3202-4ccb-b5cf-b07a7528b5ef-1655358937168.png

      # TensorFlow Lite Mobilenet V1 示例
      #
      # 谷歌的Mobilenet V1检测1000类对象
      #
      # 警告:Mobilenet在ImageNet上受过训练,并不意味着可以对现实世界中的任何事物进行分类。
      # 在现实世界中。它只是为了在ImageNet数据集上取得高得分而设计的。
      # 这个例子展示了在OpenMV摄像头上运行mobilenet。
      # 然而,默认模型并不能真正用于任何事情。
      # 您必须使用迁移学习通过重新训练模型将模型应用于目标问题。
      #
      # 注意:这个例子只适用于OpenMV Cam H7 Plus(带有SDRAM),而且更好!
      # 要获取模型,请参见OpenMV IDE中 工具->机器视觉->CNN网络库。标签也在那里。
      # 工具->机器视觉。标签也在那里。
      #
      # 在此示例中,我们将探测器窗口滑到图像上方,并获取激活列表。
      # 请注意,使用带有滑动窗口的CNN计算极为复杂,因此对于详尽搜索,不要期望CNN是实时的。
      
      import sensor, image, time, os, tf
      
      sensor.reset()                         # 复位并初始化传感器。
      
      sensor.set_pixformat(sensor.RGB565)    # Set pixel format to RGB565 (or GRAYSCALE)
      #设置图像色彩格式,有RGB565色彩图和GRAYSCALE灰度图两种
      
      sensor.set_framesize(sensor.QVGA)      # 将图像大小设置为QVGA (320x240)
      
      sensor.set_windowing((240, 240))       # 设置240X240窗口。
      sensor.skip_frames(time=2000)          # 等待一段时间,让相机设置生效。
      
      mobilenet_version = "1" # 1
      mobilenet_width = "0.5" # 1.0, 0.75, 0.50, 0.25
      mobilenet_resolution = "128" # 224, 192, 160, 128
      
      mobilenet = "mobilenet_v%s_%s_%s_quant.tflite" % (mobilenet_version, mobilenet_width, mobilenet_resolution)
      labels = [line.rstrip('\n') for line in open("mobilenet_labels.txt")]
      
      clock = time.clock()
      while(True):
          clock.tick()
      
          img = sensor.snapshot()
      
          # net.classify()将在图像的roi上运行网络(如果没有指定roi,则在整个图像上运行)
          # 将为每个位置生成一个分类得分输出向量。
          # 在每个比例下,检测窗口都以x_overlap(0-1)和y_overlap(0-1)为指导在ROI中移动。
          # 如果将重叠设置为0.5,那么每个检测窗口将与前一个窗口重叠50%。
          # 请注意,重叠越多,计算工作量就越大。
          # 最后,对于在网络沿x/y方向滑动后的多尺度匹配,检测窗口将由scale_mul(0-1)缩小到min_scale(0-1)。
          # 下降到min_scale(0-1)。例如,如果scale_mul为0.5,则检测窗口将缩小50%。
          # 请注意,如果x_overlap和y_overlap较小,则在较小的比例下可以搜索更多区域...
      
          # 默认设置只是进行一次检测...更改它们以搜索图像...
          for obj in tf.classify(mobilenet, img, min_scale=1.0, scale_mul=0.5, x_overlap=0.0, y_overlap=0.0):
              print("**********\nTop 5 Detections at [x=%d,y=%d,w=%d,h=%d]" % obj.rect())
              img.draw_rectangle(obj.rect())
              # 这会将标签和置信度值组合到一个元组列表中
              # 然后按置信度值对该列表进行排序。
              sorted_list = sorted(zip(labels, obj.output()), key = lambda x: x[1], reverse = True)
              for i in range(5):
                  print("%s = %f" % (sorted_list[i][0], sorted_list[i][1]))
          print(clock.fps(), "fps")
      
      


    • 你的这个tflite模型不对,肯定不是22KB,应该是1333KB。

      但是即使是对的,也有报错,OpenMV升级后这个模型就用不了了,因为把输入限制死成int8了。

      解决办法:

      https://singtown.com/learn/50872/

      根据教程生成模型。