Spiegazione di routine 25-Machine-Learning->riconoscimento dei numeri mnist

Questa routine utilizza il set di dati digitali mnist per addestrare la rete neurale da sola per ottenere un modello di rete neurale con riconoscimento delle cifre scritte a mano con prestazioni e precisione elevate.Funziona a circa 45 fotogrammi al secondo su OpenMV4 H7 Plus e circa 25 fotogrammi al secondo su OpenMV4 H7.

Prima di eseguire la directory, scarica trainer.tflite nel collegamento sul tuo computer e copialo nell'archivio OpenMV.

Collegamento Cina: https://dl.singtown.com/openmv/openmv_tensorflow_training_scripts-main.zip

Collegamento 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")

Risultati in esecuzione: