Explicación de rutina 25-Machine-Learning->mnist reconocimiento digital

Esta rutina utiliza el conjunto de datos digitales mnist para entrenar la red neuronal por sí misma para obtener un modelo de red neuronal de reconocimiento de dígitos escrito a mano con alto rendimiento y precisión. Funciona a unos 45 fotogramas por segundo en OpenMV4 H7 Plus y a unos 25 fotogramas por segundo en OpenMV4 H7.

Antes de ejecutar el directorio, descargue el archivo entrenado.tflite en el enlace a su computadora y cópielo en el almacenamiento OpenMV.

Enlace de China: https://dl.singtown.com/openmv/openmv_tensorflow_training_scripts-main.zip

Enlace de Github: https://github.com/SingTown/openmv_tensorflow_training_scripts/tree/main/mnist

# This code run in OpenMV4 H7 or OpenMV4 H7 Plus

import sensor, image, time, os, tf

sensor.reset()                         # Reset and initialize the sensor.
sensor.set_pixformat(sensor.GRAYSCALE)    # Set pixel format to RGB565 (or GRAYSCALE)
sensor.set_framesize(sensor.QVGA)      # Set frame size to QVGA (320x240)
sensor.set_windowing((240, 240))       # Set 240x240 window.
sensor.skip_frames(time=2000)          # Let the camera adjust.

clock = time.clock()
while(True):
    clock.tick()
    img = sensor.snapshot().binary([(0,64)])
    for obj in tf.classify("trained.tflite", img, min_scale=1.0, scale_mul=0.5, x_overlap=0.0, y_overlap=0.0):
        output = obj.output()
        number = output.index(max(output))
        print(number)
    print(clock.fps(), "fps")

Resultados de ejecución: