回复了主题帖： 【新年新挑战，任务打卡赢好礼！】第一批获奖名单公布

已确认

回复了主题帖： 【回顾2024，展望2025】新年抢楼活动来啦！

立一个新年flag：平衡好工作和家庭，收入翻倍

回复了主题帖： 新年新挑战，任务打卡赢好礼！

圆满完成任务

回复了主题帖： 求推荐代码检查工具

专业的工具有 qac tenssy这些，可以看看

回复了主题帖： 【泰坦触觉 TITAN Core开发套件】触觉马达小身材大能量：蓝牙播放，振出声音

固定在塑料桶上会不会声音洪亮些

回复了主题帖： 【STM32H7S78-DK测评】0.测评计划前瞻

板子很强，期待作品

回复了主题帖： RV1106部署Insightface: 预训练模型

Jacktang 发表于 2024-12-7 10:49 人脸检测模型和人脸对齐模型差别不少 嗯 ，都得搞呀

发表了主题帖： RV1106部署Insightface：本地体验与复现

在PC上搭建Insightface环境，下载insightface预训练模型，并测试给出的样例代码 InsightFace工程中提供的预训练模型链接可以看前一篇内容（预训练模型和简单介绍）   1.考虑到后面转rknn可能要兼容部分环境，还是沿用了之前搭建的conda环境RKNN_Toolkit2，conda active RKNN_Toolkit2 2.下载insightface库和onnxruntime库： pip install insightface pip install onnxruntime 3.将预下载的onnx文件解压到models文件夹 mkdir -p ~/.insightface/models/buffalo_l mv buffalo_l.zip ~/.insightface/models/buffalo_l cd ~/.insightface/models/buffalo_l unzip buffalo_l.zip 4.将想测试的图片文件放到指定路径 {$your_conda_path}/envs/RKNN-Toolkit2/lib/python3.8/site-packages/insightface/data/images 5.修改insightface源码路径下examples的demo_analysis.py并进行测试，主要是屏蔽了对人脸数量的校验，修改输入图片名称和输出图片名称 import argparse import cv2 import sys import numpy as np import insightface from insightface.app import FaceAnalysis from insightface.data import get_image as ins_get_image assert insightface.__version__>='0.3' parser = argparse.ArgumentParser(description='insightface app test') # general parser.add_argument('--ctx', default=0, type=int, help='ctx id, <0 means using cpu') parser.add_argument('--det-size', default=640, type=int, help='detection size') args = parser.parse_args() app = FaceAnalysis() app.prepare(ctx_id=args.ctx, det_size=(args.det_size,args.det_size)) img = ins_get_image('t2') faces = app.get(img) #assert len(faces)==6 rimg = app.draw_on(img, faces) cv2.imwrite("./t2_output.jpg", rimg) # then print all-to-all face similarity feats = [] for face in faces: feats.append(face.normed_embedding) feats = np.array(feats, dtype=np.float32) sims = np.dot(feats, feats.T) print(sims) 6.执行demo测试 python demo_analysis.py  

发表了主题帖： RV1106部署Insightface: 预训练模型

模型集insightface model zoo(预训练模型)链接如下，可以按需进行模型复现 https://github.com/deepinsight/insightface/tree/master/model_zoo InsightFace Model Zoo 介绍 一、总体说明 此 Model Zoo 为 InsightFace 项目所提供的模型集合，涵盖了多种与人脸分析相关的预训练模型，包括人脸识别、人脸检测、人脸对齐和人脸属性分析等方面的模型，方便研究人员根据具体研究需求选择使用。 二、人脸识别模型（Face Recognition models） 相关定义与术语： 训练损失：默认的训练损失在未特别指定时为基于边际的 softmax（margin based softmax）。 涉及到的一些缩写概念： MFN：指 MobileFaceNet。 MS1MV2：代表 MS1M-ArcFace。 MS1MV3：代表 MS1M-RetinaFace。 MS1M_MegaFace：表示 MS1MV2+MegaFace_train。 _pfc：意味着使用 Partial FC（部分全连接），且样本比例为 0.1。 MegaFace：用于 MegaFace 识别测试，测试中图库规模为 1e6。 IJBC：代表 IJBC 1:1 测试，在误报率（FAR）小于等于 1e-4 的条件下进行。 BDrive：指百度网盘（BaiduDrive）。 GDrive：指谷歌网盘（GoogleDrive）。 三、人脸检测模型（Face Detection models） RetinaFace：在进行平均精度均值（mAP）评估时采用多尺度测试的方式。例如 RetinaFace-R50 在 Easy-Set、Medium-Set、Hard-Set 等不同难度集合下的准确率情况； RetinaFace-m025 (yangfly) 在对应难度下的准确率，BlazeFace-FPN-SSH (paddle) 模型。 SCRFD：其 mAP 评估采用单尺度测试且输入图像为 VGA（640x480）分辨率的方式。介绍了多种不同计算量（如 500M、1G、2.5G 等）的 SCRFD 模型在 Easy、Medium、Hard 等难度下的准确率、计算量（FLOPs）、参数量（Params）、推理时间（Infer）以及对应的模型文件链接（GDrive 或 pth 格式链接）等，部分模型还标注了是否可以检测面部五个关键点（_KPS）。 四、人脸对齐模型（Face Alignment models） 2D Face Alignment：介绍了一种坐标回归（Coordinate-regression）的实现方式，可对齐 106 个点，采用 MobileNet-0.5 作为骨干网络，参数量为 1.2M 3D Face Alignment：展示了一种可以对齐 68 个点的实现方式，其骨干网络为 ResNet-50，参数量达到 34.2M Dense Face Alignment 五、人脸属性模型（Face Attribute models） Gender&Age：介绍了基于 CelebA 训练集，采用 MobileNet-0.25 作为骨干网络，参数量为 0.3M 的模型用于性别和年龄属性判断 Expression

回复了主题帖： 《拥抱AIGC》深入应用与实践（第3-6章）

heleijunjie72 发表于 2024-12-4 18:54 这一本书很值得学习学习，借鉴，讲解的十分详细具体 好好学习，天天向上

回复了主题帖： RV1106 部署InsightFace ： 环境准备

申小林 发表于 2024-12-5 08:49 22.04的环境 我也是22.04的，没有遇到你说的问题，这个脚本只是在.bashrc和.bash_profile export一下环境变量，应该不会影响到ls的。 1.你的sdk路径下有中文吗，有些情况下中文编码会导致脚本执行异常，确保你的路径中不要有中文 2.你可以新建一个用户再测试下这个脚本，对比这两个用户的.bashrc文件有什么不同

回复了主题帖： RV1106 部署InsightFace ： 环境准备

申小林 发表于 2024-12-3 11:10 大佬帮忙看看。   这个脚本没啥问题呀，默认直接执行这个脚本会把工具链安装到当前路径的bin/下，并且把环境变量加到当前用户的.bashrc 和.bash_profile中，你可以查看下你用户目录下的这两个文件是不是有问题，你是什么环境？

回复了主题帖： RV1106 部署InsightFace ： 环境准备

本帖最后由 fangkaixin 于 2024-12-2 19:48 编辑 申小林 发表于 2024-12-2 17:16 楼主请教一下，在点了  source env_install_toolchain.sh  之后自己的环境变量没 ... 把脚本内容发出来看下，应该是没问题的哈

回复了主题帖： RV1106 部署InsightFace ： 环境准备

wangerxian 发表于 2024-11-30 16:30 RK的环境安装还是一如既往的方便。 是的，安装好依赖然后build就可以

发表了主题帖： RV1106 部署InsightFace ： 环境准备

本帖最后由 fangkaixin 于 2024-11-27 18:52 编辑 ### 1. 环境准备(sdk + rknn工具包 + 摄像头样例测试) #### 1.1 系统准备   1. 下载SDK源码     ```bash     git clone https://gitee.com/LuckfoxTECH/luckfox-pico.git --depth=1     ```   2. 安装编译所需工具，我这里检查了一下只需要安装gperf就可以了 `sudo apt install gperf`，如果是新装的系统可以参考官方文档进行安装   3. 安装编译工具链     ```bash     cd tools/linux/toolchain/arm-rockchip830-linux-uclibcgnueabihf/     source env_install_toolchain.sh     ```   4. 编译 `build.sh`   5. 编译完成后，镜像可以在sdk根路径下的 `IMAGE/`文件夹下找到，完整的烧录文件为 `/$sdk/luckfox-pico/IMAGE/IPC_SPI_NAND_BUILDROOT_RV1106_LUCKFOX_PICO_MAX_20241127.1520_RELEASE_TEST/IMAGES/update.img`   6. 按住boot按键，随后按下reset按键，进入烧录模式   7. 下载镜像   8. 烧录完成，通过`adb shell`登录系统   9. 设置网口ip地址，ssh登录：root/luckfox #### 1.2 RKNN-TOOLKIT2准备   我的环境中已经安装了conda，可以基于conda的配置python3.8的环境，需要部署的工具整理如下   ```bash   conda create -n RKNN-Toolkit2 python=3.8   conda activate RKNN-Toolkit2   python --version   git clone --depth=1   cd rknn-toolkit2/   pip install tf-estimator-nightly==2.8.0.dev2021122109   pip install -r rknn-toolkit2/packages/requirements_cp38-1.6.0.txt -i   pip install rknn-toolkit2/packages/rknn_toolkit2-1.6.0+81f21f4d-cp38-cp38-linux_x86_64.whl   ```   至此，可以在python中进行验证，导入rknnapi库，没有报错就说明安装成功了   `python` #### 1.3 摄像头功能验证: RKNN 推理图像 rtsp 推流 * 断开电源，连接摄像头fpc线到板子 * 连接好，进入系统中通过`lsmod`检查摄像头驱动sc3336被正确加载 * 下载rkmpi demo程序，  `git clone https://github.com/LuckfoxTECH/luckfox_pico_rkmpi_example.git` 程序有两个分支，` uname -a`查看，我的是默认的160的版本，否则需要git checkout到另一个分支 * 设置环境变量 `export LUCKFOX_SDK_PATH=< luckfox-pico Sdk 地址>` * 编译安装 `./build.sh`，编译过程会提示选择哪一个样例，可以任选一个测试，我选择的是yolov5的样例 * 编译生成的文件在install对应的demo下 * 将整个文件夹通过adb或scp导入rv1106后执行 ` scp -r luckfox_pico_rtsp_yolov5_demo root@192.168.0.93:/root` * 进入rv1106中，执行导入的样例`./luckfox_pico_rtsp_yolov5` * 设置vlc接收推流 * 查看

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。

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

-申请理由：人脸识别是我一直以来想完成的一件事，因为觉得很炫酷，但以前没接触过神经网络、深度学习，看了些资料，有些地方还比较蒙，希望可以跟着大佬们学习，实际操作挑战下，加深认知 -思路：根据目前有限的了解，insightface是适用于人脸识别的一个开源的工具箱，提供了一些预训练的深度神经网络模型，在rv1106中部署需要以下几个步骤：（1）rv1106开发环境搭建，主要是建立对应的rknn-toolkit2 以及实现摄像头数据采集（2）将insigtface中的预训练的onnx模型转换为rknn模型文件 （3）在rv1106中移殖、运行python测试程序，注册人脸  （4）实现人脸比对 1：1 （5）实现人脸搜索 1:N (6)支持视频流 -应用：人脸门禁、安防等

加入了学习《得捷电子专区》，观看 【2024 DigiKey 创意大赛】红外温度检测及火灾报警器

回复了主题帖： 【2024 DigiKey创意大赛】第二贴 软件环境搭建

秦天qintian0303 发表于 2024-10-22 09:08 又是一个新环境，加油  

发表了主题帖： 【2024 DigiKey创意大赛】第二贴 软件环境搭建

本帖最后由 fangkaixin 于 2024-10-22 00:33 编辑 我购买的物料是 ESP32-S3 BOARD WITH 480*480 LCD (ESP32-S3-LCD-EV-BOARD) SENSOR DIGITAL - 40C-80C MODULE (D6T-1A-02) ESP32-S3作为主控，我使用vscode+ESP-IDF插件的方式配置开发环境 1.克隆esp-idf仓库 git clone --recursive https://github.com/espressif/esp-idf.git 2.安装插件，完成环境配置  3. 安装ESP32-S3 的项目安装 ESP-IDF 使用的各种工具，比如编译器、调试器、Python 包等   4、打开一个helloworld例子程序测试 5、点击下方小扳手编译测试   此时系统自动调用cmake工具进行构建   6、下载测温芯片D6T-1A-02 sensor的驱动代码 $ git clone https://github.com/omron-devhub/d6t-2jcieev01-arduino 7、iic调试测试