本次主要介绍在旭日x3的BPU中部署yolov5。首先在ubuntu20.04安装yolov5，并运行yolov5并使用pytoch的pt模型文件转ONNX；然后将ONNX模型转换BPU模型；最后上板运行代码测试，并利用Cypython封装后处理代码。 一.安装AnacondaAnaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流

条形码技术是一种自动识别技术，集条码理论、光电技术、计算机技术、通信技术、条码印制技术于一体的综合性技术。条形码技术不但快速准确，而且可提供可靠性很高的数据，其误码率小于百万分之一，首读率可达98%，广泛应用于各种计算机管理领域，如图书管理、生产流程管理、商品流通管理等。 一、概述1.条形码的分类一维条码：国际物品条码（EAN条码）等二维条码：PDF417条码等 2.条码技术的优点 输入速度快

IRCUT说明作为小白，上手海思开发板的时候，不清楚IRCUT是什么，更别说IRCUT如何切换了，在学习过程中遇到的问题以及所得在此记录。 IRCUT双滤镜包括全透滤片和红外光过滤片，从结构上看，是一个长方形的镜片分成左右两个部分。使用IRCUT的原因是白天日光光照中含有大量的红外线，这些红外线使感光元件得到的图像偏红色，所以在白天需要开启红外滤镜滤掉红外线，夜晚监控摄像一般配有红外灯板，此时应

文章目录 说明开发环境和交叉编译工具链IMX307的MIPI配置VENC视频缩小和VGS关于同时启动的VENC编码通道数本文资源分享说明本博客性质属于个人学习记录，都是自己踩过的坑。 本文叙述的测试程序和动作在淘宝上买得到的Hi3516EV200+IMX307开发板和荣品Hi3516DV300上进行。 开发环境和交叉编译工具链Hi3516EV200/Hi3516DV300均使用4.0版本的MPP。

前言本系列博客性质为个人学习笔记。记录了我如何从什么都不知道逐渐理解了DVSDK例程的过程。 相关环境搭建可参阅： 从零开始搭建DM368开发环境，安装DVSDK4_02_00_06并编译生成uboot、rootfs和kernel镜像 *本文并不全面，只记录自己理解的部分，所以文中多有限定语句，是为了不误导他人，烦请体谅。 一、DVSDK的结构和编码程序依赖1.DVSDK目录结构以DVSDK4_0

说明本文将指导如何从初始的海思提供的Hi3518_SDK包按照默认配置编译出一个可以供开发板下载的uImage。 SDK版本：Hi3518E_SDK_V1.0.4.0 SDK中提供的Linux-Kernel版本：Linux-3.4.35 虚拟机：Hyper-V 初始环境：ubuntu-18.04.3-desktop-amd64，最小安装 lss-临时记录：为了复现环境配置过程，重新创建了一个虚拟机

上篇：关于DM368的H264视频编码介绍（上） 接上篇三、DM368视频编码程序这部分中仅抽取了例程中有关视频编码部分的功能，删除了演示程序的一些demo结构体、处理过程，并添加了注释。 main.c主线程/* * main.c*/#include <stdio.h> //基本输入输出#include <pthread.h> //线程相关操作#incl

上篇：关于DM368的H264视频编码过程（中） 接上篇四、一些需要注意的问题和提示色彩空间在capture捕获线程中有一项设置叫色彩空间，colorspace 变量。色彩空间的定义在Dmai中的 ColorSpace.h 文件中： /** * @brief Color formats. */typedef enum { ColorSpace_NOTSET = -1, /**

前言在前面文章中提到，目标检测有两种方式，一种是one_stage（单阶段）如YOLO 一种是two_stage（双阶段）如Faster_Rcnn，Mask_Rcnn。之前介绍了Faster_Rcnn，这篇文章主要介绍YOLOV5 代码复现过程，以及配置文件的修改。 一、YOLO简介YOLO是目标检测的一种网络框架，检测速度非常快，适合做一些实时检测，YOLO现在经过几代版本的更迭，现在已经到了V

算法介绍 K-means聚类算是机器学习无监督学习的经典算法了，最早接触的时候是在数模比赛中，那个时候还只停留在使用API上，对K-means算法的核心步骤没有完全搞懂，本文打算详细介绍K-means聚类算法，并给出选择k值的两个方法：手肘法和轮廓系数法，以及所有的code。 K-means原理 原理非常简单，在了解Kmeans算法之前，得知道什么是无监督学习，在机器学习中，无监督学习和有监督学习

密度聚类：DBSCAN前面一节介绍了K-means聚类算法，但是K-means算法不能解决非球形的簇和不同大小的，比如说下面这种情况 如果使用K-means来对上述样本进行聚类，那么肯定没法运行，因为笑脸的外围轮廓是圆形，如果使用K-means算法这一圈一定不会聚类成一类。 如果遇到这种情况，就需要引入一个新的算法：密度聚类密度聚类顾名思义就是基于密度的聚类，在了解密度聚类前，我们需要先明白一些定

OpenCVOpenCV是计算机视觉领域最流行的库之一。它最初是用 C 和 C++ 编写的。现在也可以在 Python 中使用。它最初是由英特尔开发的。该库是一个跨平台的开源库。免费使用。OpenCV 库是一个高度优化的库，其主要重点是实时应用程序。 OpenCV 库是2500多个优化算法的组合。它可以用来检测和识别不同的人脸，在图像中或实时识别物体，使用视频和网络摄像头分类不同的人类行为，跟踪摄

柔性康复手套机器人的多场景应用及生命辅助功能中国科学院中国科学技术大学（USTC）的研究人员提出了一种具有精细运动训练的软包装便携式康复手套。有望为全球数千万手部功能障碍患者提供 精细运动康复和日常生活援助。手部功能障碍患者可以通过反复和持续的手部运动训练来恢复。软包装的康复手套轻巧灵活。但是，由于柔性体容易发生较大变形，不利于运动感知，而目前可用的手套不利于便携性，因此大多数软包装的康复手套只能

前言位图的生成只是我们字符叠加的基础，具体表现就要靠对区域RGN的配置了 调试记录现在距离移植成功osd也有一段时间了，所有所有的报错一时也想不起来太多，当时是在焦头烂额没有记录下全部，但是遇到错误一定要按照logmpp下的错误告警做出修改

VCS采用AES128加密算法，AES128算法前面文章有写，加密后VCS依然可以仿真，但不能综合。老办法：vcs -h，查得如下四种加密等级。 级别1： +autoprotect[] Creates a protected source file; all modules are encrypted. 输入命令： vcs -full64 -autoprotect128 apb_subsyste

文章目录 Protobuf3.4.0的编译与安装Cmake-gui生成protobuf项目使用NCNN好久没碰NCNN了，以前的编译早就丢到爪哇国去了 ，想要编译一下，完全没有头绪。本着硬着头皮上的精神，再编译一遍，顺便把过程记录下来。作个备忘录。 平台：Windows10 编译工具：VS2019 community Protobuf3.4.0的编译与安装这个Protobuf经常用，但没仔细研究过

浅述CV方向 一、浅述人工智能的一些术语 1. 人工智能初探 人工智能是通过机器来模拟人类认知能力的技术人工智能最核心的能力就是根据给定的输入做出判断或预测关键时间节点：1956年，达特茅斯会议，人工智能元年 ​ 1982年 提出机器学习 ​ 2006年 提出深度学习 ​ *图灵测试（测试员分辨不出是机器还是真人）50年提出 2. 人工智能的三大要素 数据算法算力：CPU、GPU、F

数字图像1. 图像像素： 像素是分辨率的单位。像素是构成位图图像的基本单元，每个像素都有自己的颜色。 分辨率： 又称“解析度”，图像的分辨率就是单位英寸内的像素点数。单位是PPI（Pixels Per Inch） PPI表示的是每英寸对角线上所拥有的像素数目（w：宽度像素数，h：高度像素数，di：屏幕尺寸），屏幕尺寸指的是对角线长度 在生活中经常混淆分辨率与清晰度的关系以及分辨率与屏幕尺寸

1.数据集情况将数据集划分为训练集、测试集和验证集原始数据集地址Kolektor Surface-Defect Dataset (KolektorSDD/KSDD) | ViCoS Lab原始数据集共两个文件夹，0：359 （无缺陷） 1：40（有缺陷）该数据集收集了电子换向器的缺陷图像。具体地，在电子换向器的塑料包埋表面上，存在微小的破损或裂缝。图像是在受控条件下【光照均匀等】采集的。为缺陷图像

特征提取1. 概述 图像中常见的特征有边缘、角、区域等。通过各属性间的关系，改变原有的特征空间，例如组合不同的属性得到新的属性，这样的处理叫做特征提取。 注意特征选择是从原始的特征数据集中选择出子集，是一种包含关系，并没有造成原始特征空间的变动，而特征提取不同，这是一个重要的区别点。 2. 主要方法特征提取的主要方法： 主成分分析（PCA） 特征提取的主要目的： 降维，排除信息量小的特征进而减少