sgf201

动态 发布 点评 好友 关于
  • 2024-12-16

  • 回复了主题帖： AI挑战营（进阶）:2.WSL2cuda+pytorch+insight初探

    安装 rknn后开始报numpy没有int属性，查看报错是在insightface中，将face_analysis.py中下面使用int的地方修改为int32后，就不报错了         for i in range(len(faces)):             face = faces[i]             box = face.bbox.astype(np.int32)             color = (0, 0, 255)             cv2.rectangle(dimg, (box[0], box[1]), (box[2], box[3]), color, 2)             if face.kps is not None:                 kps = face.kps.astype(np.int32)

  • 2024-12-10

  • 发表了主题帖： AI挑战营（进阶）:2.WSL2cuda+pytorch+insight初探

    一、docker 运行ubuntu22尝试 个人pc是windows，参考牛人文章发现用的ubuntu22，首先考虑使用docker运行ubuntu22容器，这样即不影响其它已有环境，也不担心其它环境影响它 AI挑战营（进阶）:1. InsightFace 快速上手 - 嵌入式系统 - 电子工程世界-论坛 docker之前已经有部署，docker pull ubuntu:22.04下载ubuntu22的image,成功运行 使用下面的命令可以安装cuda apt install nvidia-cuda-toolkit* apt install nvidia-cuda-dev cuda安装完成后，发现nvida的驱动没有安装，于是安装了驱动 运行nvidia-smi后报未知错误，docker中运行ubuntu22来使用nvidia应该还是有问题的 二、WSL2中运行ubuntu22 在wsl2中新建ubuntu22的实例，可以直接在vscode远程中选择发行版   创建完成后，运行nvidia-smi，直接看到下面的输出   还是微软贴心。 安装cuda 11.8版本，查找官网发现下面的安装命令，运行成功   完成后运行nvcc -V,可以得到下面的输出，证明cuda安装成功。   使用命令安装pytorch   第一次安装时报错了，说sha值不对应，重新运行一次，安装成功 使用下面的命令安装insightface和onnxruntime_gpu pip install insightface pip install mxnet onnxruntime-gpu 运行人脸分割测试 import cv2 import numpy as np import insightface from insightface.app import FaceAnalysis from insightface.data import get_image as ins_get_image app = FaceAnalysis(name="buffalo_sc",providers=['CUDAExecutionProvider', 'CPUExecutionProvider']) app.prepare(ctx_id=0, det_size=(640, 640)) img = cv2.imread('input.jpeg') faces = app.get(img) rimg = app.draw_on(img, faces) cv2.imwrite("./output.jpg", rimg) 得到下面的图像   运行人脸识别 选取joey作为目标   import cv2 import numpy as np import insightface from insightface.app import FaceAnalysis from insightface.data import get_image as ins_get_image app = FaceAnalysis(name="buffalo_sc",providers=['CUDAExecutionProvider', 'CPUExecutionProvider']) app.prepare(ctx_id=0, det_size=(640, 640)) img = cv2.imread('input.jpeg') faces = app.get(img) feats = [] for face in faces: feats.append(face.normed_embedding) feats = np.array(feats, dtype=np.float32) target = cv2.imread('joy.png') target_faces = app.get(target) target_feat = np.array(target_faces[0].normed_embedding, dtype=np.float32) sims = np.dot(feats, target_feat) print(sims) target_index = int(sims.argmax()) rimg = app.draw_on(img, [faces[target_index]]) cv2.imwrite("joy_output_target.jpg", rimg) 几张人脸得到的相似度如下： [ 0.9816556   0.05519836  0.09217417 -0.2159264   0.02295483  0.21829614] 绘制结果如下：  

  • 2024-12-09

  • 发表了主题帖： AI挑战营（进阶）:1.固件编译+yolov5demo编译运行

    一、启动 开发板很漂亮，体积也很小巧，有个小疑问是没有找到DDR芯片的位置   板子自带可以启动的固件，只是flash体积比较小，看资料板子也支持ubuntu，找了一张64G的tf卡，烧录ubuntu镜像测试   使用SD卡启动选项，选取预编译的ubuntu固件，接到开发板后，成功进入系统   /下的体积并未能显示整个tf卡的体积，简单查找未找到扩充空间的方式。 本次挑战需要使用摄像头，查看ubuntu的/dev/目录并没有发现video设备，所以使用ubuntu固件做这次的挑战并不合适，未来再查找摄像头节点驱动的问题 下面更新flash中的固件，因为随机固件按说明有一定问题，使用板上flash也是需要更新下固件的   烧写成功后，成功进入系统   二、SDK编译与example编译运行 搭建开发环境时，为尽量避免对其它环境的影响，我使用了docker方式，按照使用说明加载docker image后，下载sdk的git仓库，使用-v方式映射目录，运行docker 容器如下图：   cd  /home build.sh 然后选择对应的开发板型号 编译成功如下图  example 编译与运行 从github clone官方的example，clone完成如下图：   example编译步骤： export LUCKFOX_SDK_PATH=/home/   执行build.sh后选择要编译的demo 编译完成如下图：   三、运行 将install文件夹scp到开发板的/root/目录 然后执行   打开 vlc播放器播放rtsp://192.168.x.xx/live/0,看到下面图像：    

  • 回复了主题帖： AI挑战营（进阶）:1. InsightFace 快速上手

    大佬厉害

  • 2024-12-06

  • 回复了主题帖： AI挑战营（进阶）:3. onnx2rknn

    大佬大佬

  • 回复了主题帖： 共读入围名单：《大语言模型：原理与工程实践》

    sgf201 发表于 2024-11-21 16:58 个人信息无误，确认可以完成评测计划。 0101，管理员老大有看到不

  • 2024-11-21

  • 回复了主题帖： 共读入围名单：《大语言模型：原理与工程实践》

    个人信息无误，确认可以完成评测计划。

  • 回复了主题帖： 入围名单公布：嵌入式工程师AI挑战营（进阶）的挑战者们，领取板卡啦

    个人信息已确认，领取板卡，可继续完成任务。

  • 2024-11-18

  • 回复了主题帖： 嵌入式工程师AI挑战营（进阶）：在RV1106部署InsightFace算法的多人实时人脸识别实战

    本帖最后由 sgf201 于 2024-11-18 20:02 编辑 申请理由： 1.InsightFace 是一个开源的深度人脸分析工具箱，实现了对人物信息的精确识别，使用它可实现高效的人脸识别、人脸检测和人脸对齐等功能，支持 2D 和 3D 的人脸分析任务，并且为了适应不同的应用场景，它针对训练和部署都进行了优化。 2.个人从事模型推相关部署工作，并在自研专用芯片上进行性能优化，使用过yolov5 yolov8等。insightFace的身份信息识别对我有较大的吸引力，同时在RV1106的使用中还可以通过横向对比了解RK在视觉方面功能部署上的优化方式，在自己的工作中借鉴 3.计划： a.搭建开发环境，运行demo，实现图像和获取和保存 b.部署InsightFace算法，实现支持3人实时人脸识别并在平台上正常运行 c.分析可进行的性能优化点，确认rk的实现方案 d.进一步优化，提高推理与显示帧率 e.增加视频编码功能，实现一个支持3个预定义人员的智能监控

  • 回复了主题帖： 共读颁奖：《大语言模型：原理与工程实践》

    啥 情况 ，我没收到书啊

发布的帖子
回复过的帖子

最近访客

< 1/2 >

统计信息

已有56人来访过

  • 芯积分：67
  • 好友：--
  • 主题：10
  • 回复：12

留言

你需要登录后才可以留言 登录 | 注册

现在还没有留言

推荐博文