Explicação de rotina 25-Aprendizagem automática-> reconhecimento de números mnist

Esta rotina utiliza o conjunto de dados digitais mnist para treinar a própria rede neural para obter um modelo de rede neural de reconhecimento de dígitos manuscritos com alto desempenho e precisão. Corre cerca de 45 fotogramas por segundo no OpenMV4 H7 Plus e cerca de 25 fotogramas por segundo no OpenMV4 H7.

Antes de executar o diretório, descarregue o trained.tflite no link para o seu computador e copie-o para o armazenamento OpenMV.

Link da China: https://dl.singtown.com/openmv/openmv_tensorflow_training_scripts-main.zip

Link do 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 em execução: