【Sipeed MAix BiT AIoT 开发套件】 3、MobilenetV1 手势识别
[复制链接]
【Sipeed MAix BiT AIoT 开发套件】 3、MobilenetV1 手势识别
- MobilenetV1简介
MobilenetV1是一种轻量级卷积神经网络架构,由Google于2017年提出,专门为移动和嵌入式设备上的深度学习应用设计。其主要特点是使用深度可分离卷积(Depthwise Separable Convolution)来大幅减少模型参数和计算量,同时尽可能保持模型的准确性。
MobilenetV1的设计理念是权衡模型的性能与效率,以适应计算资源有限的设备。在传统卷积神经网络中,卷积操作通常会生成大量的参数,而这些参数对移动设备来说计算成本较高。为了降低计算复杂度,MobilenetV1引入了深度可分离卷积,将标准卷积分解为深度卷积和逐点卷积两个步骤。
- 深度卷积:每个卷积核仅作用于单一的输入通道,这大幅减少了计算量。
- 逐点卷积:使用1x1卷积来聚合深度卷积生成的特征图,从而减少参数的数量。
这种分解方法使得MobilenetV1相比传统的卷积神经网络,如VGG16,具有更少的参数和更低的计算复杂度,同时能够在保持较高准确率的基础上,显著提高推理速度。MobilenetV1的出现为移动设备上的实时图像分类、物体检测等任务提供了有效的解决方案。
- 训练
首先,登录网站,https://maixhub.com/开始训练。
其次,新建训练。
再次,上传图片,打上标签。
再次,创建任务,选择数据增强,选择平台NNCASE,
训练结果
- 部署
部署失败
参考以下两种情况,但是没有解决。
|