ZHCACO4 may   2023 AM62A3 , AM62A3-Q1 , AM62A7 , AM62A7-Q1 , AM68A , AM69A

 

  1.   1
  2.   摘要
  3.   商标
  4. 1引言
    1. 1.1 目标读者
    2. 1.2 主机信息
  5. 2创建数据集
    1. 2.1 收集图像
    2. 2.2 标记图像
    3. 2.3 增强数据集（可选）
  6. 3选择模型
  7. 4训练模型
    1. 4.1 输入优化（可选）
  8. 5编译模型
  9. 6使用模型
  10. 7构建最终应用
    1. 7.1 使用 TI 的 Gstreamer 插件优化应用
    2. 7.2 使用原始 MIPI-CSI2 摄像头
  11. 8总结
  12. 9参考文献

6 使用模型

下一步是实际使用模型。

在训练期间报告的准确性有助于确定模型的有效性，但根据实际输入进行可视化对于确信模型按预期运行至关重要。

针对目标器件上的新输入评估模型的快速方法是在 edgeai-gst-apps 中使用该模型。这是一项有价值的概念验证，用于在不编写新代码的情况下评估更符合实际的精度。将“compiled-artifacts”内的新目录复制到目标器件，并修改诸如 object_detection.yaml 之类的配置文件（如图 6-1 所示）以指向此模型目录。确保在配置文件底部的流程中使用模型。输入可以是 USB 摄像头等实时输入，也可以是图像文件的预制视频/目录。

GUID-20230424-SS0I-BWGJ-ZLB0-5NV1KSNCJ3QK-low.png图 6-1 edgeai-gst-apps 配置文件示例

连接的显示器/保存的视频文件看起来如图 6-2 所示（也可能会覆盖性能信息，具体取决于输出的配置）：

GUID-20230424-SS0I-1TNZ-NPHM-R1SK5WXDWVF9-low.jpg图 6-2 对新训练的模型使用 edgeai-gst-apps 时的 Gstreamer 显示

以这种方式运行模型的另一个好处是，将一个整体 gstreamer 字符串打印到终端，这是应用程序开发的有益起点。