Zbulimi i objektit W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow .: 4 hapa
Zbulimi i objektit W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow .: 4 hapa

Përmbajtje:

Anonim
Zbulimi i objekteve W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow
Zbulimi i objekteve W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow
Zbulimi i objekteve W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow
Zbulimi i objekteve W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow
Zbulimi i objekteve W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow
Zbulimi i objekteve W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow
Zbulimi i objekteve W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow
Zbulimi i objekteve W/ Dragonboard 410c ose 820c Duke përdorur OpenCV dhe Tensorflow

Ky udhëzues përshkruan se si të instaloni kornizat OpenCV, Tensorflow dhe mësimin e makinerisë për Python 3.5 për të ekzekutuar aplikacionin Object Detection.

Hapi 1: Kërkesat

Ju do të keni nevojë për elementët e mëposhtëm:

  • Një DragonBoard ™ 410c ose 820c;

  • Një instalim i pastër i Linaro-alip:

    • DB410c: testuar në versionin v431. Lidhje:
    • DB820c: testuar në versionin v228. Lidhje:
  • Të paktën një kartë MicroSD me kapacitet 16 GB (Nëse përdorni 410c);

Shkarkoni skedarin (Në fund të këtij hapi), zbërtheni dhe kopjoni në kartën MicroSD; Obs: Nëse përdorni një DB820c, shkarkoni skedarin, zbërtheni dhe zhvendoseni në/home/*USER*/për të lehtësuar përdorimin e komandave.

  • Një shpërndarës USB;
  • Kamera USB (e pajtueshme me Linux);
  • Miun dhe tastierën USB;
  • Një lidhje interneti.

Obs: Ndiqni këto udhëzime në shfletuesin DragonBoard nëse është e mundur, duke lehtësuar kopjimin e komandave

Hapi 2: Montimi i Kartës MicroSD (vetëm W/ DB410c)

  • Hapni terminalin në Dragonboard;
  • Në drejtimin e terminalit fdisk:

$ sudo fdisk -l

  • Fut kartën MicroSD në folenë e kartës DragonBoard MicroSD;
  • Drejtoni përsëri fdisk, duke kërkuar emrin (dhe ndarjen) e pajisjes së re në listë (p.sh. mmcblk1p1)

$ sudo fdisk -l

Shkoni te drejtoria kryesore:

$ cd

Krijoni një dosje:

sdfolder $ mkdir

Montoni kartën MicroSD:

$ mount / dev / sdfolder

Hapi 3: Instalimi i Kornizave të Kërkuara

  • Hapni terminalin në Dragonboard;
  • Në terminal, shkoni te një drejtori e zgjedhur (duke përdorur "" për 820c dhe SDCard të montuar për 410c):

(820c) $ cd

(410c) $ cd ~/dosje sd

Shkoni te dosja e shkrimeve të Detektorit të Objektit:

$ cd object_detector_tensorflow_opencv/skriptet/

Drejtoni skenarin e konfigurimit të mjedisit:

$ sudo bash set_Env.sh

Përditësoni sistemin:

$ sudo apt përditësim

Instaloni këto pako:

$ sudo apt install -y protobuf-përpilues gcc-aarch64-linux-gnu

g ++-aarch64-linux-gnu debootstrap schroot git curl pkg-config zip unzip python python-pip g ++ zlib1g-dev default-jre libhdf5-dev libatlas-base-dev gfortran v4l-utils hdf5* libhdf5* libpng-build libreadline-gplv2-dev libncursesw5-dev libssl-dev libsqlite3-dev tk-dev libgdbm-dev libc6-dev libbz2-dev libjpeg-dev libtiff5-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libxvidcore libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

Shkoni në këtë drejtori:

$ cd /usr /src

Shkarkoni Python 3.5:

$ sudo wget

Nxjerr paketën:

$ sudo tar xzf Python-3.5.6.tgz

Fshini paketën e ngjeshur:

$ sudo rm Python-3.5.6.tgz

Shkoni te drejtoria Python 3.5:

cd $ Python-3.5.6

Aktivizoni optimizimet për përpilimin Python 3.5:

$ sudo./configure --aktivizo-optimizimet

Përpiloni Python 3.5:

$ sudo make altinstall

Përditësoni pip dhe mjetet e konfigurimit:

$ sudo python3.5 -m pip install -upgrade pip && python3.5 -m pip install -upgrade setuptools

Instaloni numpy:

$ python3.5 -m pip instaloni numpy

Shkoni te drejtoria e zgjedhur:

(820c) $ cd

(410c) $ cd ~/dosje sd

Shkarkoni Tensorflow 1.11 whl:

$ wget

Instaloni tensorflow:

$ sudo python3.5 -m pip instaloni tensorflow-1.11.0-cp35-none-linux_aarch64.whl

Klononi depot e OpenCV dhe OpenCV Contrib:

$ sudo git klon -b 3.4 https://github.com/opencv/opencv.git && sudo git clone -b 3.4

Shkoni te drejtoria:

$ cd e hapur

Krijoni një drejtori ndërtimi dhe shkoni tek ajo:

$ sudo mkdir build && cd build

Drejtoni CMake:

$ Sudo CMake -D CMAKE_BUILD_TYPE = RELEASE -D CMAKE_INSTALL_PREFIX = / usr / local -D BUILD_opencv_java = PËR -D BUILD_opencv_python = PËR -D BUILD_opencv_python3 = ON -D PYTHON3_DEFAULT_EXECUTABLE = $ (cila python3.5) -D PYTHON3_EXECUTABLE: shteguiSkedarit = $ (i cili python3.5) -D PYTHON_INCLUDE_DIR =/usr/local/include/python3.5m/-D INSTALL_C_EXAMPLES = OFF -D INSTALL_PYTHON3_EXAMPLES = OFF -D BUILD_EXAMPLES = OFF -DDD_DUD_DUD_FIND = BUND_BUST -DBUILD_TBB = ON -D OPENCV_ENABLE_NONFREE = ON -DBUILD_opencv_xfeatures2d = JO OFF -D OPENGL = ON -D OPENMP = ON -D ENABLE_NEON = ON -D BUILD_PERF_TESTS = OFF -D_CUND_EN module..

Përpiloni OpenCV me 4 bërthama:

$ sudo make -j 4

Instaloni OpenCV:

$ sudo make install

Shkoni te drejtoria e zgjedhur:

(820c) $ cd

(410c) $ cd ~/dosje sd

Shkoni te drejtoria e skripteve:

$ cd object_detector_tensorflow_opencv/skriptet/

Instaloni kërkesat e Python3.5:

$ sudo python3.5 -m pip instalim -r kërkesat.txt -jo -cache -dir

Testimi i importeve:

$ python3.5

> import cv2 >> import tensorflow

Obs: Nëse cv2 kthen gabimin e importit, ekzekutoni make install në dosjen e ndërtimit të OpenCV dhe provoni përsëri

Shkoni te drejtoria e zgjedhur:

(820c) $ cd

(410c) $ cd ~/dosje sd

Shkarkoni depon e cocoapi:

$ git klon

Shkarkoni depon e modeleve Tensorflow:

$ git klon

Shkoni në këtë drejtori:

$ cd cocoapi/PythonAPI

Ndryshoni skedarin Makefile, duke ndryshuar python në python3.5 në rreshtat 3 dhe 8 dhe më pas ruani skedarin (duke përdorur nano si shembull):

$ nano Makefile

Përpiloni kokainën:

$ sudo make

Obs: Nëse komanda 'make' nuk përpilohet, provoni të riinstaloni cython me:

$ sudo python3.5 -m pip instaloni cyton

Kopjoni pycocotools në drejtorinë tensorflow /models /research:

(820c) $ cp -r pycocotools ~/modele/kërkime/

(410c) $ cp -r pycocotools ~/sdfolder/modele/kërkime/

Shkoni te drejtoria e zgjedhur:

(820c) $ cd

(410c) $ cd ~/dosje sd

Shkoni te drejtoria e modeleve/kërkimeve:

modele $ cd/kërkime

Përpiloni me protoc:

$ protoc object_detection/protos/*. proto --python_out =.

Ndryshorja e mjedisit të eksportit:

$ eksport PYTHONPATH = $ PYTHONPATH: `pwd`:` pwd`/i hollë

Testoni mjedisin:

$ python3.5 zbulimi i objektit/ndërtuesit/model_builder_test.py

Obs: Duhet të kthehet OK, përndryshe aplikacioni nuk do të funksionojë. Nëse jo, kërkoni me kujdes ndonjë gabim në procesin e instalimit të kornizave të kërkuara

Hapi 4: Drejtimi i API -së së Zbulimit të Objekteve

Drejtimi i API -së së Zbulimit të Objekteve
Drejtimi i API -së së Zbulimit të Objekteve

Me të gjitha kornizat e konfiguruara, tani është e mundur të ekzekutoni API -në e zbulimit të objektit që përdor OpenCV së bashku me Tensorflow.

Shkoni te drejtoria e zgjedhur:

(820c) $ cd

(410c) $ cd ~/dosje sd

Shkoni te drejtoria e zbulimit të objekteve:

$ cd object_detector_tensorflow_opencv/

Tani ekzekutoni aplikacionin:

$ python3.5 app.py

Tani Dragonboard do të transmetojë videon përmes rrjetit. Për të parë videon dalëse hapni shfletuesin në DB dhe shkoni te "0.0.0.0: 5000".