在華爲M系列攝像頭（Hi3519A芯片）上終於跑通了yolov3移植（單類別），只進行行人檢測，速度大概能做到10fps左右
整個流程包括，但不限於：
華爲給的文檔很亂，填了很多坑，走了很多彎路，找了很多沒有結果的售後。
coming soon …
前言 海思DPU（Depth Process Unit）的中文翻譯爲深度信息處理單元，主要是來實現雙目測距和三維重建的硬件加速功能從而提高實時性。海思SDK裏面和DPU相關的文檔資料很少，就兩篇：《HiDPU工具使用指南》和《HiDPUA
前言： 前面復現了centerface，這是一個簡潔，簡單的框架。前面也做了ncnn，android平臺的移植。這裏做Atlas的移植。 1. 開發環境 ubuntu16.04 pytorch Atlas500 2. pyto
摘要： 要把自己的模型進行移植，之前是後端的移植，最近前端也提了需求，前端一般都是用海思芯片(海思HI3516DV300)，只支持caffe，所以爲了先測試時間得把tf的模型轉成caffemodel。這裏是將tf1.x轉爲caff
摘要： 要把自己的模型進行移植，後端的移植，前端的移植，前端一般都是用海思芯片（Hi3516DV300），只支持caffe，所以爲了先測試時間得把tf的模型轉成caffemodel。這裏是將tf1.x轉爲caffemode,後續補
# The caffe module needs to be on the Python path; # we'll add it here explicitly. caffe_root='/home/qif/smf/caffe
在pycharm中直接運行tf113tocaffe.py報錯如下： cudnn_conv_layer.cpp:52] Check failed: error == cudaSuccess (30 vs. 0) unknown e
準備工作 openssh源碼根目錄新建external_dependency_libs 目錄用以存放下載的zlib 和 openssl 源碼壓縮包 編譯並將交叉編譯的文件打包 #!/usr/bin/env bash #filena
第六部分 設備休眠第一節 Linux休眠喚醒 設備休眠模式，是指設備通過固定的操作，或手動或自動地進入省電模式，掛起或者凍結程序、外設甚至cpu，從而進入一種待機狀態，使設備在這種待機狀態下儘可能少地消耗電量和功耗，從而滿足家用手持設備對
寫在前面 Movidius 是一家被Intel收購的計算機視覺創業公司。Intel收購Movidius之後，在AI和邊緣計算方面的佈局又增加了一支生力軍。Movidius的AI芯片分爲Myriad x VPU和Myriad 2 VPU
最近拿到一塊海思3520dv300的板子，折騰了一下，發覺跑.NET完全沒問題，以下是大概步驟。 1. .NET CORE需要glibc，需要編譯海思的glibc版本的kernel和rootfs，測試可以直接用海思SDK默認配置即可(編譯
前言 這個算法就是滿足攝像頭遮擋報警這個功能需求 代碼分析 0xfffffffLL是個長整形， 如果你也好奇這個寫法的話。 流程 創建灰度圖像的積分圖計算任務 算出圖像灰度值的平均值，均方差，u, v 再拿u,v計算不相似度。
文章目錄YOLOv3訓練自己的數據附優化與問題總結環境說明實現YOLOV3的demo命令簡介訓練自己的數據優化與個性化問題2020.3.11 更新可視化和python接口可能出現的問題References YOLOv3訓練自己的數
源工程來自：https://github.com/qqwweee/keras-yolo3 使用方法參考博客：windows10+keras下的yolov3的快速使用及自己數據集的訓練 應該會有小夥伴和我一樣，下載工程文件後不知道
源代碼鏈接：https://github.com/chineseocr/chineseocr 算法相關解讀參考：添加鏈接描述 下載模型文件： 百度雲盤鏈接 git clone 從原github網站上下載所有代碼時，darknet目
