在此基础上修改了部分代码
- 图像分类算法使用的是Yolofastest,可根据需要训练自己的模型,此仓库提供了一个训练好的模型
- 使用Tengine-Convert-Tools转化训练好的模型
- 在eaidk-310上编译最新的Tengine 编译过程
- 在eaidk-310上编译cpp文件(相应的路径根据实际情况修改)
$ g++ tm_yolofastest.cpp `pkg-config --libs --cflags opencv` -I /home/openailab/Tengine-Lite/build/install/include/tengine/ -L /home/openailab/Tengine-Lite/build/install/lib -l tengine-lite -o yolofastest
- 摄像头链接310后运行程序
$ ./yolofastest -m ./yolo-fastest-1.1.tmfile
- 首先运行device.py查看可用的麦克风,修改test.py中device_index为相应的编号
- 运行test.py,(可能需要安装某些包)