前段時間考研，再加上工作，時間很緊，一直沒有更新部落格，這幾天在搞k210的目標檢測模型，做個記錄，遇到問題可以新增qq522414928或新增微信13473465975，共同學習
首先附上github地址，本人自己改的，絕對好用，只要有資料，就能跑通https://github.com/LiuXinyu12378/yolo-k210-face-mask
也是想在考研複試的時候可以拿出來給導師看看，證明自己會一些演算法和軟硬體的東西，讓導師更認可自己，好了，下面簡單介紹一下過程。
這個模型大概看了看，就是mobilenet+yolo2的檢測頭，實際就是yolo2的效果
1.首先，就是要準備資料，思來想去，口罩的檢測可能更有實際意義，所以就找了口罩的資料，下面分享給大家。可以使用自己的資料集或自己標註一些自己想做得場景，標註工具也在工程裡了。
連結：https://pan.baidu.com/s/1mzcFeHboRKcEPfLJNGJ5yA
提取碼：9213
2.訓練模型，為了達到更好的效果，首先用kmeans聚類，獲取影像對應的anchors，效果還可以，然後修改configs.json檔案，這裡模型輸入的大小是224*224的，其實320*240的會更好，修改anchors和訓練路徑，然後python trian.py訓練。訓練好後模型會儲存在save資料夾下tflite檔案。
這裡說下為什麼模型320*240更好，這是由板子上的攝像頭和螢幕決定的，因為k210的c語言沒辦法實現resize操作，這對它來說太難了，即便寫了底層的函式也會執行很慢，所以模型要適配板子，模型的輸入要小於等於320*240，這個模型的輸入是224*224的，所以螢幕的檢測輸出並沒有沾滿，只用了左上角224*224的顯示大小。
3.模型轉換，模型量化，使用工程目錄下得ncc_0.1_win，解壓後，把tflite轉換成Kmodel，原來訓練好的tflite模型大小為20多M，轉換完只有1.81M，說明量化很充分，模型在板子上跑起來也很輕快。
ncc_0.1_win\ncc test.tflite test.kmodel -i tflite -o k210model --dataset train_img
4.使用官方的Kendryte IDE，編譯模型。沒有Kendryte IDE的可以百度自行下載,開啟kendryte_kpu-standalone_3工程目錄
改這個工程的時候遇到很多坑，這個程式碼官方沒給任何說明，經過大量的嘗試結合演算法經驗，終於把它給改好了。
5.燒錄編譯好的二進位制檔案到開發板KD233
6.燒寫模型檔案kmodle到flask
最終效果還不錯，各種口罩圖片基本全能識別,上圖，照的是本人（從來沒懷疑過自己）
上圖2，感謝觀看
