Sobald wir einen neuen Satz von Erkennungen haben, zeichnen wir die neuen auf den Rahmen. Ehrfürchtig beiträge.danke für die schöne Arbeit! Ich habe hier ein Problem, wenn ich die Datei „Ein anderer Ansatz zur Objekterkennung auf dem Raspberry Pi“ teste, die `die pi_object_detection.py` ist. Das Ergebnis zeigt, dass: TypeError: kann nicht pickle cv2.dnn_Net Objekte Wissen Sie, wie man das zu beheben. Ich habe keine Tutorials zur Branderkennung, aber ich würde sicherlich schauen, um es in einem zukünftigen Tutorial zu decken. Bevor Sie Ihr Modell überhaupt bereitstellen können, um Feuer zu erkennen, müssen Sie es trainieren. Sie müssen Beispielbilder sammeln, die Feuer enthalten. Wenn Sie neu in der Ausbildung Ihrer eigenen Modelle von Grund auf neu sind, würde ich vorschlagen, mit diesem Tutorial zu beginnen. Ich fragte mich, ob es möglich wäre, diesen Code zu verwenden, aber einen „Super-Computer“ aus Himbeer-Pi es einzurichten, d.h. 4 oder 5 pis miteinander verbunden, um die Daten schneller zu verarbeiten? 2. Leider nein, Deep-Learning-Modelle sind sehr rechenintensiv.

Es hat nichts mit der Pi-Kamera zu tun. Es ist einfach die Menge der Berechnung, die das Netzwerk für die Erkennung benötigt. Ihre Ergebnisse zeigten auch Spezialisierung, wo einige Neuronen nur auf eine bestimmte Form oder Muster reagieren würde. Haben Sie eine neue Optimierungstechnik gefunden, um die Erkennungsverzögerung in diesem Beitrag zu reduzieren, oder können wir auch die Verzögerung reduzieren, indem wir den pi 3b übertakten. Das klingt nicht wie ein Problem, das für dieses Skript spezifisch ist, es klingt wie ein OpenCV-bezogenes Problem. Rippen Sie den gesamten Objekterkennungscode und versuchen Sie einfach, die Frames auf Ihrem Bildschirm anzuzeigen (keine andere Video-/Bildverarbeitung). Das wird Ihnen beim Debuggen helfen. Ich habe versucht, Vorwärtspass auszuführen, um die Erkennung mit net.forward() zu erhalten. Es funktioniert perfekt, wenn Objekte auf dem Bild geschult sind, obwohl, wenn es kein Objekt gibt, das Netz mir die Erkennung des letzten Bildes zurückgibt, das das Objekt hatte. Ist jemand über dieses Thema gestolpert? Anschließend werde ich zeigen, wie Sie die Multiverarbeitung verwenden, um eine alternative Methode zur Objekterkennung mit dem Raspberry Pi zu erstellen.

Diese Methode kann für Ihre jeweilige Anwendung nützlich sein oder auch nicht, aber zumindest gibt sie Ihnen eine Vorstellung von verschiedenen Methoden, um das Problem anzugehen. Guten Tag! Ich habe Spaß daran, mit OpenCV zu spielen, und die Verwendung Ihrer Tutorials war ein großer Segen. Allerdings habe ich vor kurzem von der Verwendung der Raspberry Pi Kamera auf eine Logitech c270 Webcam umgestellt, und jetzt funktioniert die Objekterkennung (oder ein beliebiges Skript) nicht mehr. Apropos OpenCL auf Raspbery Pi: es ist nicht 100% komplett, aber: 09-OCT-2017 : Ich präsentiere Ihnen VC4CL (VideoCore IV OpenCL): www.raspberrypi.org/forums/viewtopic.php?t=194952 Hängt die Erkennungszeit von der Bildauflösung ab. Können wir die Erkennungszeit reduzieren, wenn Sie eine USB-Kamera mit niedriger Auflösung an Himbeerpi anschließen?