登录社区云,与社区用户共同成长
邀请您加入社区
Develop it possible !
11月3日,已完成蓝牙适配,支持蓝牙开关,扫描配对等基础功能-done 支持A2DP协议,支持播放蓝牙音乐-done 支持蓝牙传输HAP可以接收发送文件 -done 支持蓝牙BLE协议- doing
1、模型的构建 1.1 开发者手机AI 目标识别模型的构建,请参考构建开发者手机目标识别应用的模型 2、AI应用开发 2.1 开发者手机 目标识别应用详细情况可参考目标识别demo和目标识别模型的部署 3、AI共建项目 3.1 开发者手机AI目标识别 (基于Openharmony 4.0),具体可参考Openharmony AI应用的构建
开发者手机 AI能力构建 本文以开发者手机AI特性为例,讲述Openharmony上AI应用如何构建。 一、Openharmony AI架构OpenHarmony AI子系统的部件包括: MindSpore Lite AI推理框架,为AI应用开发提供统一的AI推理接口,可以完成在手机等端侧设备中的模型推理过程;Neural Ne
开发者手机目标识别demo 功能简介 该应用是在Openharmony 4.0系统上开发的一个目标识别的AI应用,旨在从上到下打通Openharmony AI子系统,展示Openharmony系统的AI能力,并为开发者提供AI应用的demo。 应用程序通过相机进行预览,对预览画面中的物体进行目标识别,目前该应用程序支持识别100
开发者手机目标识别模型的部署 简介 本文讲述开发者手机上目标识别应用的模型部署的步骤,在模型部署前需要构建好能够对100个分类目标识别的模型,并且量化为uint8的数据类型,详情参考构建开发者手机目标识别应用的模型 模型部署 1、量化后的uint8模型需要转换为芯片支持的离线模型格式。开发者手机使用的是展锐7885 NPU芯片,因此需要转换为展锐unm格式的离线模型。具体转换命令见模型剪除与量化
构建开发者手机目标识别应用的模型 介绍 本项目基于yolov5神经网络,构建100个分类目标检测模型, 再将模型量化并转换成展锐模型,在7885芯片使用。 安装教程 conda创建一个python==3.8的环境, 并启用。 conda create -n ai_doc python==3.8 -y conda activate detect 安装yolov5依赖项。 cd yolov5-mast
模型剪除与量化 作者:chenhaoming@openvalley.net 本文讲述yolov5的onnx模型推理、模型后处理部分剪除、模型量化、转换成展锐模型流程 一、剪除模型后处理部分 克隆工具源代码 git clone git@github.com:ZhangGe6/onnx-modifier.git 安装环境 cd onnx-modifier pip install -r require
yolo数据准备 作者:chenhaoming@openvalley.net 本文讲述coco数据处理成yolo格式,并且从OpenImage-V7数据集中补充分类到coco数据集的方法。用到DataHandler目录下的工具。coco2yolo.py: 将coco数据集标注文件处理成yolo格式。copy_images.py: 批量拷贝图片。data_convert.py: 将OpenImag
一、代码下载、编译 二、版本烧录 三、大家一起讨论,反馈问题 四、开发者手机其它信息