junan007 发表于 2025-1-14 16:15 代码已经支持多人检测，但检测到多个人脸时绘制OSD后，OSD被快速刷新了，所以看起来不明显（仔细看还是能 ...

大佬厉害:congratulate:

2025年想自己搭建或者实现一套博客呀今年不要再鸽了:congratulate:

拆得真仔细这个2.3寸大电视也是让我大开眼界了，现在基本见不到了:)

这个触觉模块可有意思了:) 期待后续的创意

我觉的LED立方体是这里面最有趣的项目:)

wangerxian 发表于 2025-1-13 15:25 环境光强度背景之类的对这种是不是影响很大？

可以对视频做处理的，举个例子vivo手机相机逆光也清晰 送给算法判断的脸其实是人脸检测模型裁出来的人脸框，只要能检测到脸基本上都能出结果

其实这个demo已经可以实现多人的实时识别了，但是似乎sdk调用部分似乎需要一些简单的修改来确保可以传出多个人脸检测的结果到接下来的识别和绘制流程中

zhuxirui 发表于 2025-1-12 00:58 一般如果转换和执行都不报算子错误或者版本不支持其实就没问题，这个主要我之前先在rk3588的板子跟着别人 ...

我后面知道了忘了回了，rknn的文档指引太差了

hellokitty_bean 发表于 2025-1-8 17:17 RKNN，这个坑踩得好呀。。。。。。 向楼主学习。。。。。。。。。。。。。

刚刚才做完mtcnn的三层网络转换，因为不熟悉rknn-toolkit的api调了两天bug接下来我就得想办法用c api把三个网络的结果串起来，估计还是大坑

wangerxian 发表于 2025-1-7 17:01 你这个是用markdown编辑的吗？

对

iexplore123 发表于 2025-1-4 17:57   大佬大佬，我帮你看了一下，Arcface模型里最后一层有Gemm算子，我也遇到了这个问题，期待大佬的后续 ...

这个Gemm算子支持问题其实好像不是问题，是他们文档写得太弯弯绕绕了，其实是支持的，转换后这部分rknn api会调用cpu计算我竟然被这个耽搁这么多天

申小林 发表于 2025-1-5 11:29 牛逼牛逼，出个更详细的教程让我复刻一下嘛

嗷，我忘了贴仓库地址了Danbinabo/insighrface，这个仓库适合学习整个人脸项目的流程，不过不太适合这次活动的部署任务

  大佬大佬，我帮你看了一下，Arcface模型里最后一层有Gemm算子，我也遇到了这个问题，期待大佬的后续实现 关于模型动态输入的问题，为什么很多端侧ai不支持动态输入啊，怎么知道能不能支持的 另外题外话，有没有大佬可以解释一下，Retina模型里的gather算子和unsqueeze算子是啥，rknn转换大概是怎么处理他们的？最后运行在gpu还是cpu?

chuanyun 发表于 2025-1-3 21:10 期待完整分享

后面模型转换的坑实在太大了，不是我这种初学者一时半会把握得住的 我准备把遇到的一堆问题写写然后直接投奔现有的人脸识别sdk了

lugl4313820 发表于 2025-1-3 15:42 大佬可以分享一些如何训练模型的知识。

训练insightface需要的数据集处理流程比较复杂，Danbinabo的教学项目根目录下readme.txt有基于mxnet框架的训练准备流程的说明，训练脚本是train_softmax.py，以后有空可以读代码

lightxixi 发表于 2024-11-27 11:07 可以提一下宝贵意见哈，我们改进~~

那个```flow流程图渲染和[TOC]不好用，在线md编辑器里面混用bbscode没有预览

你这个示例程序就是把量化好的模型在运行的时候塞给传感器自带的机器学习核心让它处理传感器数据，直接跳过准备步骤来到部署了 哥们你找的资料还挺好用，我都没注意到有个机器学习核心

个人信息已确认，领取板卡，可继续完成任务。

申请理由： 我是一名电子信息工程大三学生，对深度学习有一定的了解，曾经使用过Scikit-learn框架进行学习和实验。熟悉C++、Python等主流编程语言，擅长ai辅助编程。我希望通过这次机会接触嵌入式AI的实际工程项目，深入了解如何在资源有限的嵌入式环境中部署和优化AI算法，从而提升自己的专业技能和解决实际问题的能力。 简述InsightFace和如何在RV1106上部署该算法的思路： InsightFace是一个开源的人脸识别库，具有先进的2D和3D人脸分析算法，能够将人脸图像转化为特征向量，从而实现高效且准确的面部识别。该库支持多种推理后端（如CPU、GPU、NPU），并提供了SDK和API接口，方便用户将其集成到自己的应用中。对于嵌入式设备RV1106，我们需要考虑设备的计算能力及资源限制，因此在部署时需要优化算法以提高效率。 部署的具体思路如下： 1. 交叉编译和环境配置：RV1106通常运行Linux系统，需要配置适合该平台的交叉编译工具链。编译适用于RV1106的二进制文件，并确保所需的依赖库（如Python 3、OpenCV、NumPy）已正确安装且能支持硬件加速。 2. 模型优化：由于RV1106是嵌入式设备，计算能力有限，需要对InsightFace的模型进行量化、裁剪，或者转化为rkkn等优化格式，以便更高效地在硬件上运行。 3. 人脸检测和对齐：可以使用轻量级的检测算法，如RetinaFace，首先对视频流进行人脸检测。检测到的人脸区域通过人脸对齐算法（如SDUNet）进行标准化，确保后续识别精度。 4. 实时视频流处理：使用OpenCV或其他视频流处理框架，捕获摄像头输入，并实时进行人脸检测和识别。每帧图像中的人脸会被提取出来，进行特征向量的提取。 5. 身份匹配：通过提取的人脸特征向量，可以使用基于最近邻（KNN）或支持向量机（SVM）的算法进行比对，从而确定每张人脸的身份。 计划部署的应用： 在此基础上，我打算将该系统应用于宿舍迎宾铃，识别到特定人物时播放欢迎语音。通过实时识别来实现自动化迎宾的功能。

Jacktang 发表于 2024-8-25 21:47 不倒翁倾斜板载LED的颜色会变化还是挺酷炫

hh献丑了，只是简单的把倾斜角度映射成颜色分量做的