拉姆Cherukuri,MathWorks公司
请查看图片分类的使用上树莓派深度学习从MATLAB示范™®使用树莓裨支持包。金宝appMATLAB提供了工程师和科学家去探索,试制,并内置有更高级别的应用程序和库部署一个熟悉的开发环境深度学习算法的完整集成的工作流。
使用MATLAB编码器™,您可以生成C ++代码与图像采集完整的推理管道,预处理和后处理等各地受过训练的网络,并部署到任何ARM®的Cortex-A基于平台,如树莓派或NXP™i.MX系列处理器。
嗨,我是拉姆Cherukuri,产品经理在这里MathWorks公司,并欢迎对树莓派,这次使用squeezenet使用它的图像分类深度学习的另一个版本。
在这部影片中,我希望能够展示如何轻松就可以使用处理器在环仿真把你的MATLAB算法并对其进行测试和使用中的MATLAB实时I / O验证它,测试它的目标树莓派部署它作为一个独立的前应用程序,而不需要写在C或C ++的任何其他代码。
我决定挑选图像分类机器学习和一对夫妇的原因,深学习应用的例子:
你可以参考很多更多的资源,机器学习和深入学习在MATLAB上mathworks.com。
说到嵌入式处理器的,我选择了树莓派其他的另一个原因比它的乐趣和方便。它是基于ARM的Cortex A,类似于大多数其他基于视觉的处理器了。
MATLAB编码器可以生成代码和应用程序部署到任何支持NEON指令的ARM Cortex一种基于处理器。金宝app
您获得最佳的性能,因为生成的代码调用到ARM的计算库,它提供了对ARM的CPU和GPU平台优化的低级别的功能。
请参考下面了解更多关于计算库的链接。
在以前的视频中,我们覆盖的例子部署方面,如行人检测,并在这个视频中,我们将专注于硬件在环测试和验证。
这是我们的MATLAB算法,需要在输入图像中,做一些调整作为预处理步骤,使用培训squeezenet为推理,然后进行后处理,以确定并显示顶层五分类。
下面是我的测试脚本,我将使用通过例子来运行。
让我们首先运行这段代码,看看算法所作内MATLAB对输入图像内容。你可以看到,它给我们的五大分类在我们的输入图像的东西。
现在,我想测试和验证我的算法与一些实时数据。在这里,我设置了一个树莓派的连接,我可以用它相连的网络摄像头,以摆脱它在MATLAB相机和运行推断活饲料 - 非常简单。
请记下载免费的树莓派支持包尝试了这一点。金宝app
此外,如果你有MATLAB编码器,还可以生成代码,并在树莓派部署。
怎么样,我们验证与处理器在循环生成的代码,所以我们可以使用MATLAB作为我们的测试平台的输入传递给应用程序的目标,并得到结果返回到MATLAB进行比较?
在这里,我们所定义的代码生成配置,并指定了ARM计算库的版本,PIL模式。让我们产生了PIL接口。[JS1] [RC2]
一旦代码生成完成后,我们得到这个MEX文件,我可以使用运行在树莓派的应用。使用相同的测试输入,我们正在运行的树莓派图像分类,我们得到的分类结果。您可以通过比较输出等做更详细的验证,但你明白了吧。
纵观例子中,我们并没有写任何C或C ++代码。然而,如果你喜欢使用的任何自定义库,如OpenCV的,你可以随时手动将生成的代码,写一个自定义的主文件编译成一个更大的应用程序。
请参考以下链接尝试这个例子中为自己和下载必要的支持包。金宝app
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
本网站使用Cookies来改善您的用户体验,个性化的内容和广告,并分析网站流量。通过继续使用本网站,您同意我们使用Cookie。请参阅我们的隐私政策要了解更多关于cookie和如何更改设置。