在全志R329 板子上跑mobilenetv2的流程介绍

今日头条

1141人已加入

描述

1、opencv 交叉编译

R329 是 aarch64 的,所以用到的 opencv 也需要交叉编译,完了把头和库拷到板子上,板子上的文件传输可以采用 scp,scp 的使用方法类似这样:

aarch64

2、板子跑 opencv 抓图

写这个模块,主要目的是用简单的 opencv 工程验证下板子的摄像头是否正常。

2.1 工程目录结构

搭建cmake工程,结构如下:

aarch64

2.2 CMakeLists.txt

aarch64

2.3 main.cpp

aarch64

2.4 aarch64-linux-gnu.toolchain.cmake

aarch64

2.5 编译

aarch64

完了把编译生成的可执行程序用 scp 拷贝到 板子上

在开发板上运行程序:

aarch64

 正常会生成一张 test.png 的图片,这是你板子摄像头现拍的图像。

3、板子跑 mobilenetv2 检测

3.1 转换 mobilenetv2 模型

 此步骤是为了将深度学习训练框架(前端)产生的模型(支持 tensorflow pb、tflite、caffemodel、onnx),选择还是挺多的,我这里用的是 tflite 来转换板子可支持运行的模型格式。

转换方法还是可参考这篇 《【嵌入式AI】周易 AIPU 算法部署仿真测试》,这篇里写的前端是来自 tensorflow 的,相比 from_tensorflow,from_tflite 的过程少了模型 export 和 freeze 的过程,所以相对简单一些。

模型转换的关键是 model_build.cfg 配置文件,这里给出 modilenetv2 的 mobilenetv2_build.config。

aarch64

 然后执行:

aarch64

正常情况会生成 aipu.bin 模型文件,这个文件是后面板子上执行的时候调用的。多说一句,个人理解这个 aipu.bin 里面应该是记录了模型的推理执行 flow,就像 tensorrt 的 engine 一样,不知道理解是否有问题。

3.2 zhouyi_cam 交叉编译

交叉编译 zhouyi_cam,工程代码在这里 ,工具链在这里,提取码都是:6666。

把工程 和 工具链 下载下来后,交叉编译很简单。

需要改 CMakeList.txt 里的几个地方:

aarch64

开始编译吧

aarch64

大功告成后会生成 zhouyi_demo,将其和 3.1 生成的 aipu.bin 拷贝到板子上。

3.3 mobilenetv2 跑起来

目光转到板子上。

aarch64aarch64

差不多可以跑 20 帧,接近实时了~


审核编辑:刘清

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分