Explication de routine 25-Machine-Learning->reconnaissance des numéros mniste

Cette routine utilise l'ensemble de données numériques mnist pour entraîner le réseau neuronal par lui-même afin d'obtenir un modèle de réseau neuronal de reconnaissance de chiffres manuscrits avec des performances et une précision élevées. Il exécute environ 45 images par seconde sur OpenMV4 H7 Plus et environ 25 images par seconde sur OpenMV4 H7.

Avant d'exécuter le répertoire, veuillez télécharger le fichier trained.tflite dans le lien sur votre ordinateur et copiez-le sur le stockage OpenMV.

Lien Chine :https://dl.singtown.com/openmv/openmv_tensorflow_training_scripts-main.zip

lien 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")

Résultats en cours d'exécution :