embedream
embedream
it.s completes the Android mode installation in Processing-4.0b1 , can compile, and execute on the phone, but the compilation time is too slow, a simple program takes more than 30...
尝试MaixHub上的模型训练，简单用了三个模型，按教程用MaixBit采集图片，上传训练，一起顺利，只是遇到点小困惑：其中两个标签交换了，确定不是我图片文件夹名称错所致。 在尝试修改标签时，发现所提供的程序根本没有使用输出结果中的标签文件 Labels.txt 尝试修改程序，发现标签文档格式不太合理，原始输出的内容是： labels = ["SDCard", "cover", "pencil"] 这个导入到程序中，转换为 list 有点麻烦。 建议将 labels.txt 的内容修改为： ["SDCard", "cover", "pencil"] 这样就可以使用 json.loads(str) 方式导入了。 修改后的程序附在下面，供学习者参考： # object classifier boot.py # generated by maixhub.com...
在尝试Maix的视觉功能时，用同样的对象采集，分别进行了分类模型训练和目标检测模型训练，结果感觉目标检测的识别率明显低于目标分类，不知道是何原因？想请教一下！ 从程序上看： 分类使用的是forward算法，似乎是针对整个图像的。 目标检测使用的是yolo2算法，识别是在采集的图像中取若干不同大小的区域进行判断，是不是由此产生的识别率差异？ 如果希望实现较好的目标检测效果，不需要过多的识别对象，只需要识别已知的几个特定对象，此时应该如何采集图片，以使得模型训练更为有效，产生的结果精度更高。盼指点！
在自学习分类示例程序最后，所提示的保存、载入语句为： # You can save trained data to file system by: classifier.save("3_classes.classifier") # Then load : # model = kpu.load(0x300000) # classifier = kpu.classifier.load(model, "3_class.classifier") 保存是正确的，载入语句不对，在请教Sipeed工程师后，得知正确的应该是： classifier, class_num, sample_num =...
distribute in wIki 20221205 by embedream