【百度大脑EdgeBoard边缘AI计算盒试用】从零开始在FZ5上实现...

tobot

从零开始在FZ5上实现图像分类（下）——部署和使用模型

上篇已经获得了分类文件的SDK文件和盒子的licence，本篇介绍如何在FZ5的硬件盒子上使用。

我们获取的是一个名为“EasyEdge-Linux-XXX”的压缩文件，在电脑上解压，可以看到分别有“cpp”和“RES”两个文件夹。

一、准备图像分类的环境

1、运行SecureFX

在windows中打开SecureFX，连接到盒子。

2、上传压缩包

将cpp文件夹下的“baidu_easyedge_linux_cpp_aarch64_EdgeBoardFZ1.5_gcc7.5_vx.x.x_XXX.tar.gz”文件上传到盒子上指定目录中。

3、运行SecureCRT

4、解压上传的文件

使用命令tar -zxvf XXX解压上述文件

5、将demo路径下的demo.cpp和demo_serving.cpp源文件下载到本地。

6、修改一下，增加之前申请的序列号

修改后传回，覆盖原文件。

7、使用cmake命令，注意指明路径

8、Make

生成了“easyedge_demo”和“easyedge_serving”文件。

9、把之前解压的RES文件放入

以上，图像分类的环境准备就完成了。

二、secureCRT的中文识别

修改secureCRT使其能显示中文

将“字符编码(H)”由Default改为UTF-8

确定。

三、开始使用

1、单个图片的识别

将图片文件拷入盒子

使用easyedge_demo来识别图片分类

格式为：./easyedge_demo {res_dir} {image_file_path}

7.jpg

14.jpg

2、如果有多个可识别物存在

似乎是无法正确识别

2.jpg

3、如果识别物占图片位置太小

识别就变得很困难了，比如下面的“惊破天”、“钢锁”、“千斤顶”

非常奇怪的是载具形态的识别率要高得多。下面是“红蜘蛛”、“大火车”、“擎天柱”、“大黄蜂”的识别，p值都在0.8以上。

附：

Galvatron

Grimlock

Wheeljack

Starscream

Astrotrain

OptimusPrime

Bumblebee