使用OpenMV H7機器視覺模組進行深度學習之影像辨識

在此說明使用OpenMV H7機器視覺模組進行深度學習之影像辨識(影像分類)。簡單介紹一下OpenMV專案:OpenMV是一款小巧,低功耗,低成本的電路板,它幫助你很輕鬆的完成機器視覺(machine vision)應用;你可以透過高階程式語言Python(準確的說是MicroPython),而不是C/C++來進行程式設計。本文會一併討論深度模型建模、訓練與轉換模型到OpenMV上,將用到Caffe這個深度學習框架;因此,所有的實作都會在Ubuntu Linux 16.04 64Bits作業系統上進行。

» Read more

USB神經網路計算卡使用PLAI軟體進行模型建構與訓練

本文介紹以Gyrfalcon Technology公司Lightspeeur 2801S晶片為核心的USB神經網路計算卡使用搭配的PLAI(People Learn AI)軟體進行VGG模型建構與訓練。本文內容參考廠商網頁進行,訓練過程中使用nVidia GPU來加速運算;電腦安裝的作業系統為Ubuntu 16.04.5 LTS (Xenial Xerus) 64-bit PC (AMD64) desktop。PLAI軟體可從”AI 64G資料U盤”中取得:

» Read more

LIGHTSPEEUR® 2801S之目標檢測SSD模型訓練討論

延續這篇文章,在訓練前修改run_ssd_training.sh讓訓練過程中會使用到預訓練模型(pre-trained model)權重。最近我試著照原廠方式不使用預訓練模型,並把資訊傳送給廠商:

照GTI的方式訓練SSD,10萬次Loss還是不大會降低;後來發現run_ssd_training.sh內並沒有用到pre-train的model;我之前是有在run_ssd_training.sh加 –weights=$ssd,loss會下降到1 ~ 2間

得到的回覆於下:

只用参照prototxt文件中卷积层的方式定义自己的网络就行了,其他地方同标准的ssd训练方法一样

» Read more

USB神經網路計算卡實作目標檢測

本文介紹以Gyrfalcon Technology公司Lightspeeur 2801S晶片為核心的USB神經網路計算卡上進行目標檢測(Object Detection)推論(Inference)。其中模型的建立、訓練與轉換部份需要在有Nvidia的GPU的電腦上進行,所使用框架為Caffe,算法為SSD(Single Shot MultiBox Detector)。本文是參照廠商的SSD模型工具包(MDK)文件實作後所做的整理,電腦使用的作業系統為Ubuntu 16.04.5 LTS (Xenial Xerus) 64-bit PC (AMD64) desktop,相關檔案的取得請聯絡” 汯采有限公司”購買”AI 64G資料U盤”。首先將SSD算法的相關檔案拷貝到家目錄:

» Read more

在STM32F7 Discovery Kit實作DS-CNN關鍵字萃取

本文說明如何在ARM Crotex-M MCU,以DS-CNN精準進行關鍵字萃取。DS-CNN中文介紹請參考”2019年版嵌入式系統設計解密”之”邊緣運算篇”中相關文章;以下是講解如何編譯與執行ARM提供程式碼。本次開發環境是在Ubuntu 16.04 64 Bits作業系統,預先安裝的環境請參考這篇文章;目標板為Discovery kit with STM32F746NG MCU,目標板在使用前需更新ST-LINK/V2 韌體,詳細步驟請參考這篇文章

» Read more
1 2 3