《DNK210使用指南 -CanMV版 V1.0》第四十一章 YOLO2物體檢測實驗

正点原子發表於2024-12-03
YOLO

第四十一章 YOLO2物體檢測實驗

1）實驗平臺：正點原子DNK210開發板

2）章節摘自【正點原子】DNK210使用指南 - CanMV版 V1.0

3）購買連結：https://detail.tmall.com/item.htm?&id=782801398750

4）全套實驗原始碼+手冊+影片下載地址：http://www.openedv.com/docs/boards/k210/ATK-DNK210.html

5）正點原子官方B站：https://space.bilibili.com/394620890

6）正點原子K210技術交流企鵝群:605557868

在上一章節中，介紹了利用maix.KPU模組實現YOLO2的人手檢測，本章將繼續介紹利用maix.KPU模組實現YOLO2的物體檢測。透過本章的學習，讀者將學習到YOLO2網路的物體檢測應用在CanMV上的實現。
本章分為如下幾個小節：
41.1 maix.KPU模組介紹
41.2 硬體設計
41.3 程式設計
41.4 執行驗證

41.1 maix.KPU模組介紹
有關maix.KPU模組的介紹，請見第39.1小節《maix.KPU模組介紹》。

41.2 硬體設計
41.2.1 例程功能

  1. 獲取攝像頭輸出的影像，並送入KPU進行YOLO2的物體檢測模型運算，後將運算結果和攝像頭輸出的影像一起顯示在LCD上。

41.2.2 硬體資源
本章實驗內容，主要講解maix.KPU模組的使用，無需關注硬體資源。
41.2.3 原理圖
本章實驗內容，主要講解maix.KPU模組的使用，無需關注原理圖。

41.3 程式設計
41.3.1 maix.KPU模組介紹
有關maix.KPU模組的介紹，請見第41.1小節《maix.KPU模組介紹》。
41.3.2 程式流程圖

圖41.3.2.1 YOLO2人手檢測實驗流程圖

41.3.3 main.py程式碼
main.py中的指令碼程式碼如下所示：

import lcd
import sensor
import image
import gc
from maix import KPU
lcd.init()
sensor.reset()
sensor.set_framesize(sensor.QVGA)
sensor.set_pixformat(sensor.RGB565)
sensor.set_hmirror(False)
resize_img = image.Image(size=(320, 256))
anchor = (1.3221, 1.73145, 3.19275, 4.00944, 5.05587, 8.09892, 9.47112, 4.84053, 11.2364, 10.0071)
names = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable",
 "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
# 構造KPU物件
object_detecter = KPU()
# 載入模型檔案
object_detecter.load_kmodel("/sd/KPU/voc20_detect.kmodel")
# 初始化YOLO2網路
object_detecter.init_yolo2(anchor, anchor_num=len(anchor) // 2, img_w=320, img_h=240, net_w=320, net_h=256,
 layer_w=10, layer_h=8, threshold=0.5, nms_value=0.2, classes=len(names))
while True:
    img= sensor.snapshot()
   resize_img.draw_image(img, 0, 0).pix_to_ai()
    # 進行KPU運算
   object_detecter.run_with_output(resize_img)
    # 進行YOLO2運算
   objects = object_detecter.regionlayer_yolo2()
    for object in objects:
       img.draw_rectangle(object[0], object[1], object[2], object[3], color=(0, 255, 0))
       img.draw_string(object[0] + 2, object[1] + 2, "%.2f" % (object[5]), color=(0, 255, 0))
       img.draw_string(object[0] + 2, object[1] + 10, names[object[4]], color=(0, 255, 0))
    lcd.display(img)
    gc.collect()

可以看到一開始是先初始化了LCD和攝像頭。
接著是構造一個KPU物件，並從檔案系統中載入YOLO2人手檢測網路需要用到的網路模型，並初始化YOLO2網路。
然後便是在一個迴圈中不斷地獲取攝像頭輸出的影像，由於網路需要的影像尺寸與攝像頭直接輸出的影像尺寸不一致，因此將其複製到網路需要的影像尺寸的影像上，再並將其送入KPU中進行運算，然後再進行YOLO2網路運算，最後便得到網路識別出物體在輸入影像上的一些資訊，將這些資訊繪製到影像上後，在LCD上顯示影像。

41.4 執行驗證
將DNK210開發板連線CanMV IDE，點選CanMV IDE上的“開始(執行指令碼)”按鈕後，將攝像頭對準物體，讓其採集到物體影像，隨後便能在LCD上看到攝像頭輸出的影像，同時影像中的物體均被綠色的矩形框框出，並在矩形框內的左上角標出了物體的名稱和置信度，如下圖所示：

圖41.4.1 LCD顯示YOLO2物體檢測結果

相關文章