温馨提示:文本由机器自动转译,部分词句存在误差,以视频为准
00:02
然后我们在模型训练之后呢,在我们的上位机使用推floor的的TF light这个API,搭建了一套和我们在下位机这个N叉P上面使用TF路完全一样的环境啊,你看这里包括这个模型的加载,图像的加载,还有包括对模型的一个测试,时间测定,以及最后的这个后处理,像U抵扣的,包括这个nms的的这个过对执行度的过滤,都是我们做了处理的,那现在呢,我们来测试一下我们在上位机呃这个环境里面对我们所训练的这个模型的一个效果,嗯,然后我们也是使用这个Python程序去做,嗯。啊,这里呢,我们就使用了这个三张测试图片啊,可以看到都对木销进行了一个有效的一个识别。
01:01
嗯,然后现在呢,我们使用我们的这一块NXPT1002的开发版,然后对准我们在这个电脑上所显示的这张图片,我们来看一下它的这个识别框检测效果怎么样。嗯,因为N叉P的板子显示器坏了,所以说我们就找了一个有显示屏的这样的板子,这个使用的是STM32H750,就是跟RT1002的算力差不多,我们在上面同样是部署了这个我们的这个U乐杠S这个模型,然后也可以做一个对比,下面我们来看一下这个模型的在嵌入设备上的效果怎么样。嗯。你拍我下。
02:02
呃,我们在户外对我们的行人检测仪系统进行了测试。此时呢?一位同学走了过来,可以看到我们的面板上显示有人,人流技术量从一变到了二。大家可以看我们的这个小程序界面上面。然后呢,这位同学又走了过来,这次呢,继续显示有人,这一次他在我们的摄像头面前待的时间比较长,那么我们就判断他是一个异常停留,于是小程序上就会报异常停留的警告。让他走了之后,异常停留就会消失。这就是我们吸人检测仪的一个简单演示。
我来说两句