【ALINX AXU2CGB试用】加速深度学习

liujing1232

这个板卡虽然配置低，但是也可以勉强加速深度学习，简单的算法还是可以实现的，例如YOLO算法中的tiny版本，densebox算法以及一些移动端常用的mobilenet算法、SSD算法。下面对一些常见的深度学习算法做一些尝试。

首先是分类算法——tf_resnet50。

1.tf_resnet50

首先来识别一个狗：

                              

识别结果如下：

显示的结果是柯利牧羊犬，这里的分类数量还是较大的，结果准确。

再识别一个松鼠：

识别结果如下：

显示的结果是狐松鼠，东方狐松鼠，黑丘鹬，应该是准确的，这几个也不知道具体是啥，反正看名字应该是对的。

再识别一个蘑菇：

识别结果如下：

结果为蘑菇，识别准确

最后识别一个大象：

识别结果如下：

显示结果是大象，准确

2.车辆检测

视频版：

视频检测这里如果镜像不特别设置，就会出现V4L ERROR的问题，相关设置如下：

第一步：

$ mkdir -p<plnx-proj-root>/project-spec/meta-user/recipes-support/opencv

$ vim<plnx-proj-root>/project-spec/meta-user/recipes-support/opencv/opencv_%.bbappend

#opencv_%.bbappend

PACKAGECONFIG_append= "libv4l libav"

第二步：

$petalinux-config -c rootfs

--->Petalinux Package Groups

--->packagegroup-petalinux-gstreamer

--->

packagegroup-petalinux-gstreamer

第三步：

$ vim<plnx-proj-root>/project-spec/meta-user/conf/petalinuxbsp.conf

         IMAGE_INSTALL_append = "gstreamer1.0-libav"

     LICENSE_FLAGS_WHITELIST_append = "commercial_gstreamer1.0-libav"

第四步(可选，这里的cma需要设置大一点，我的是512M，结果可行)：

$ vim<plnx-proj-root>/project-spec/meta-user/recipes-bsp/device-tree/files/system-user.dtsi

  #system-user.dtsi content

/include/"system-conf.dtsi"

/ {

    chosen {

        bootargs = "earlyconclk_ignore_unused cma=1700M cpuidle.off=1";

        stdout-path ="serial0:115200n8";

    };

};

设置之后得到的视频检测结果是：

摄像头版本：

摄像头版本检测结果精度较差，拍摄电脑的视频几乎无法检测到，拍摄部分图片可行，应该是训练的精度不太行。

3.人脸识别

采取的算法是densebox，检测的实时性还是不错，精度也还可以。

人脸识别的视频审核不过，大概率是不应该拍别的网站的视频吧，这是截图。