一个垃圾分类项目带你玩转飞桨(2)
接上文《一个垃圾分类项目带你玩转飞桨(1)》：基于PaddleClas实现垃圾分类，导出inference模型利用PaddleHub Serving 进行服务化部署,并利用PYQT5实现可视化。
基于PaddleX实现垃圾检测
随着垃圾分类政策的深入落地，现如今，垃圾分类相关产品如雨后春笋拔地而起。然如今垃圾分类产品，多采用计算机视觉中的图像分类技术对垃圾进行识别分类，此方案虽能较为准确的识别垃圾种类，但其受限于技术本身，其识别图像为保证识别准确率只能存在于一种垃圾，即：用户在使用此产品时，只能在本次识别过程中在识别区放置一种垃圾。故而此方案极大地阻碍了垃圾分类效率的提升。而采用目标检测技术能够有效解决此问题，加速垃圾分类效率，真正助力垃圾分类政策的深入落地，向 会普及垃圾分类知识。
PaddleX相关介绍
?? PaddleX 集成飞桨智能视觉领域图像分类、目标检测、语义分割、实例分割任务能力，将深度学习开发全流程从数据准备、模型训练与优化到多端部署端到端打通，并提供统一任务API接口及图形化开发界面Demo。开发者无需分别安装不同套件，以低代码的形式即可快速完成飞桨全流程开发。
?? PaddleX 经过质检、安防、巡检、遥感、零售、医疗等十多个行业实际应用场景验证，沉淀产业实际经验，并提供丰富的案例实践教程，全程助力开发者产业实践落地。
目前PaddleX已发布2.0.4rc版本正式发布，实现动态图的全面升级。本项目为保证模型能顺利部署于EdgeBoard开发板上，仍采用1.3.11版本。
解压数据集
本项目挂载数据集提供了既符合VOC格式又符合COCO格式的数据集，可以满足PaddleX或PaddleDetection模型训练的数据集格式要求。
【相关数据集转换方法可参考此Github仓库欢迎贡献代码、star……??】
模型训练
- 首先安装paddlex==1.3.11版本；
- 依据EdgeBoard开发板模型支持列表及具体部署场景选择训练模型；
- 模型导出；
1、考虑到本项目需部署于EdgeBoard开发板中，故安装paddlex==1.3.11版本。
2、模型训练
在模型选取方面，EdgeBoard提供了基于PaddleX部署的支持模型，在此模型列表中（此处只展示检测支持模型，详细模型请查询此链接）
基于EdgeBoard实现模型部署
EdgeBoard简介
EdgeBoard是百度面向嵌入式与边缘计算场景打造的AI解决方案。丰富的硬件选型，可满足多变的边缘部署需求。无缝兼容百度大脑工具平台与算法模型，开发者既可以选用已有模型，也可以自定义算法。同时，模型训练与部署全程可视化，极大降低了开发与集成门槛。EdgeBoard灵活的芯片架构，可适配行业内最前沿、效果最好的算法模型，基于EdgeBoard打造的软硬一体产品，可广泛适用于安防、工业、医疗、零售、教育、农业、交通等场景。
硬件准备
- EdgeBoard及其电源 ；显示屏； miniDP转HDMI转换器； 线 ；.usb摄像头；电脑
EdgeBoard具体操作
-
点击以太
点击Internet协议版本4
点击确定。
登录Edgeboard系统
Edgeboard系统是精简后的linux系统，可以通过 络SSH协议与其通讯。给设备上电后，通过电脑登录到Edgeboard系统中进行操作，Edgeboard系统的用户名和密码均为root。本教程使用window自带的终端Windows PowerShell ，具体操作如下
打开Windows PowerShell，输入ssh root@192.168.1.254，点击回车,如果第一次连接该ip地址，会询问是否接入，输入yes，再回车，password为不可见字符，输入root后，直接回车，即可进去Edgeboard系统
2.打开MobaXterm，点击Session，进入Session settings，选择Serial，Serial port选择映射出的端口，Speed为115200，Flow Control为None，点击OK，如下图所示
文件传输方式
推荐工具：winscp，下载链接：https://winscp.net/eng/download.php 「尊重知识产权，遵守工具使用规范，推荐您使用正版软件」
参照如下配置后，文件协议：scp；主机名：Edgeboard的IP；用户名&密码：root&root。点击登录
例如R为一张图片中一个像素点的R通道的值
①（R / 255 – mean‘） / std’
②（R – mean) * scale（EdgeBoard处理方式）
如果训练模型的mean和std为第一种计算方式，就需要通过如下运算，计算为Edgeboard的处理方式。
修改系统参数配置文件
系统配置文件存放于/home/root/workspace/PaddleLiteDemo/configs内，根据模型属性修改对应的配置文件，比如yolov3模型，修改image.json文件中模型文件路径以及预测图片路径。
执行程序
模型配置文件和系统配置文件修改完成后，运行程序
bilibili效果展示连接
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！