diff --git a/README.md b/README.md index 48f776c255497bd93810f8efe32e3eaf1919f4cc..12382f995e82bf5794c836e2e86a65713f65e286 100644 --- a/README.md +++ b/README.md @@ -80,21 +80,34 @@ Lockzhiner Vision Module 拥有丰富的 IO 接口，其接口图片如下图所 这一部分教程将引导你从零开始训练并部署各种深度学习模型，包括分类模型、检测模型、分割模型和 OCR 模型。通过这些实战教程，你将学习到如何利用 Lockzhiner Vision Module 的高性能计算能力以及借助飞桨生态系统的丰富资源，轻松实现视觉任务的训练和部署。 -* [凌智视觉模块分类模型部署指南](./example/vision/classification) -* [凌智视觉模块检测模型部署指南](./example/vision/detetcion) - - +### 👍 目标分类案例 -## 👍 特色部署教程 +目标分类（Object Classification）是深度学习中的一项核心任务，旨在为输入图像分配一个或多个类别标签。这是计算机视觉的基础问题之一，主要用于识别和区分图像中的主要物体类别，而不关心物体的位置或数量。一般来说，目标分类任务的标注过程比较轻松，适合不需要知道目标位置的场景。 + +* [凌智视觉模块通用分类模型部署指南](./example/vision/classification) +* [凌智视觉模块手写数字分类部署指南](./example/special/digit_handwritten_recognition) +* [凌智视觉模块猫狗分类部署指南](example/special/cat_and_dog_classification) +* [凌智视觉模块花卉分类部署指南](example/special/flower_classfication/) + +### 👍 目标检测案例 + +目标检测（Object Detection）是深度学习中计算机视觉领域的重要任务之一，旨在识别图像或视频中所有感兴趣的物体，并准确地定位这些物体的边界框（Bounding Box）。与目标分类不同，目标检测不仅需要预测物体的类别，还需要标注它们在图像中的位置。一般来说，目标检测任务的标注过程比较复杂，适合既需要对目标进行分类，有需要对目标进行定位的场景。 + +* [凌智视觉模块通用检测模型部署指南](./example/vision/detetcion) + +### 👍 条码检测识别案例 + +条码（二维码和条形码）检测与识别任务是计算机视觉领域的一个具体应用，旨在从图像中准确定位和解码条码的信息。条码分为一维条码（如条形码）和二维条码（如二维码），它们广泛用于商品标识、物流跟踪、电子支付等场景。 -* [凌智视觉模块手写数字识别部署指南](./example/special/digit_handwritten_recognition) * [凌智视觉模块二维码检测与识别部署指南](./example/special/qr_code_recognition) -* [凌智视觉模块条码检测与识别部署指南](./example/special/bar_code_recognition) +* [凌智视觉模块条形码检测与识别部署指南](./example/special/bar_code_recognition) + +### 👍 人脸检测识别案例 + +在人脸检测与识别任务中，目标是从图像或视频中检测出人脸区域，并进一步识别身份信息。这一任务已广泛应用于安全监控、人机交互、身份验证等场景，是计算机视觉领域的重要研究方向。 + * [凌智视觉模块人脸检测部署指南](example/vision/face_detection) * [凌智视觉模块人脸识别部署指南](example/vision/face_recognition) -* [凌智视觉模块猫狗识别部署指南](example/special/cat_and_dog_classification) -* [凌智视觉模块花卉识别部署指南](example/special/flower_classfication/) - ## 🐛 Bug反馈 diff --git a/docs/introductory_tutorial/python_development_environment.md b/docs/introductory_tutorial/python_development_environment.md index 676913d575f1d192634e4f18d5027b5945033678..89a1cfef452cd283c1e3649205d6219bdd0bccf5 100644 --- a/docs/introductory_tutorial/python_development_environment.md +++ b/docs/introductory_tutorial/python_development_environment.md @@ -33,7 +33,7 @@ Lockzhiner Vision Module 的 Python 开发不需要像 C++ 一样的交叉编译 ## 2 下载/更新 LockzhinerVisionModule SDK -点击 [Lockzhiner Vision Module SDK 下载链接](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.2/lockzhiner_vision_module_sdk.zip) 下载 Lockzhiner Vision Module SDK。解压到本地后，请使用解压软件解压 SDK，一般我们推荐使用 Bandzip。 +点击 [Lockzhiner Vision Module SDK 下载链接](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.3/lockzhiner_vision_module_sdk.zip) 下载 Lockzhiner Vision Module SDK。解压到本地后，请使用解压软件解压 SDK，一般我们推荐使用 Bandzip。 ![](images/development_environment/python_update_lockzhiner_vision_module_0.png) diff --git a/example/special/bar_code_recognition/README.md b/example/special/bar_code_recognition/README.md index bc9c834342ba2988ea468b2bacaef02a9147ef80..3d9937e6a43fcb5d5df8798e77928b135b632a50 100644 --- a/example/special/bar_code_recognition/README.md +++ b/example/special/bar_code_recognition/README.md @@ -1,4 +1,4 @@ -

凌智视觉模块条码检测与识别部署指南

+

凌智视觉模块条形码检测与识别部署指南

发布版本：V0.0.0 diff --git a/example/special/cat_and_dog_classification/README.md b/example/special/cat_and_dog_classification/README.md index 79e003e27e51fa3ae60660d1e7229d089b44d235..d9336eaed644012f77ca9136e39d96a0e4bb8034 100644 --- a/example/special/cat_and_dog_classification/README.md +++ b/example/special/cat_and_dog_classification/README.md @@ -1,4 +1,4 @@ -

凌智视觉模块猫狗分类识别部署指南

+

凌智视觉模块猫狗分类部署指南

发布版本：V0.0.0 @@ -31,15 +31,17 @@ 猫狗分类是计算机视觉入门的常见任务，我们基于 [凌智视觉模块分类模型部署指南](../../vision/classification) 训练了凌智视觉模块专用的模型，该模型能够实现对猫狗分类识别。 +- 注：为了帮助大家进行二次开发，我们已经在星河社区上开源了[基于凌智视觉模块的猫狗分类数据集](https://aistudio.baidu.com/datasetdetail/304279) + ## 2 运行前的准备 -- 请确保你已经下载了 [凌智视觉模块猫狗分类识别模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.2/LZ-Dog-and-Cat-classfication.rknn) +- 请确保你已经下载了 [凌智视觉模块猫狗分类模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.2/LZ-Dog-and-Cat-classfication.rknn) ## 3 在凌智视觉模块上部署猫狗分类识别案例 下载模型后，请参考以下教程使用 Python 在凌智视觉模块上部署分类模型例程： -- [凌智视觉模块猫狗分类识别 Python 部署指南](./python) +- [凌智视觉模块猫狗分类 Python 部署指南](./python) ## 4 模型性能指标 diff --git a/example/special/cat_and_dog_classification/python/README.md b/example/special/cat_and_dog_classification/python/README.md index b788cca34a0cd5670e2ee3a09dca9d5d92cb72a5..4a756dde47362340b07bfaede41f8365ca76a428 100644 --- a/example/special/cat_and_dog_classification/python/README.md +++ b/example/special/cat_and_dog_classification/python/README.md @@ -1,4 +1,4 @@ -

凌智视觉模块猫狗分类识别 Python 部署指南

+

凌智视觉模块猫狗分类 Python 部署指南

发布版本：V0.0.0 @@ -31,7 +31,7 @@ 接下来让我们基于 Python 来部署猫狗分类识别案例，在开始本章节前： -- 请确保你已经参考 [凌智视觉模块猫狗分类识别部署指南](../README.md) 正确下载了模型。 +- 请确保你已经参考 [凌智视觉模块猫狗分类部署指南](../README.md) 正确下载了模型。 - 请确保你已经参考 [凌智视觉模块摄像头部署指南](../../../periphery/capture/README.md) 正确下载了凌智视觉模块图片传输助手。 - 请确保你已经按照 [开发环境搭建指南](../../../../docs/introductory_tutorial/python_development_environment.md) 正确配置了开发环境。 diff --git a/example/special/digit_handwritten_recognition/README.md b/example/special/digit_handwritten_recognition/README.md index b51eada0664734a3905ae465963b3a4a00d05c84..95a409685751d5bab3e58ac7336a9cf07460941b 100644 --- a/example/special/digit_handwritten_recognition/README.md +++ b/example/special/digit_handwritten_recognition/README.md @@ -1,4 +1,4 @@ -

凌智视觉模块手写数字识别部署指南

+

凌智视觉模块手写数字分类部署指南

发布版本：V0.0.0 @@ -31,15 +31,17 @@ 手写数字识别是经常使用到的功能之一。竞品 K210 和 OpenMV 提供了 Mnist 数字识别的案例，但是这些案例基于非真实环境的数据集，因此没办法直接在真实环境中使用，为了解决这个问题，我们基于 [凌智视觉模块分类模型部署指南](../../vision/classification) 训练了凌智视觉模块专用的模型，可以实现实时的数字识别功能。 +- 注：为了帮助大家进行二次开发，我们已经在星河社区上开源了[基于凌智视觉模块的手写数字分类数据集](https://aistudio.baidu.com/datasetdetail/295907) + ## 2 运行前的准备 -- 请确保你已经下载了 [凌智视觉模块手写数字识别模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.0/LZ-DigitHandRecog.rknn) +- 请确保你已经下载了 [凌智视觉模块手写数字分类模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.0/LZ-DigitHandRecog.rknn) ## 3 在凌智视觉模块上部署手写数字识别案例 下载模型后，请参考以下教程使用 Python 在凌智视觉模块上部署分类模型例程： -- [凌智视觉模块手写数字识别 Python 部署指南](./python) +- [凌智视觉模块手写数字分类 Python 部署指南](./python) ## 4 模型性能指标 diff --git a/example/special/digit_handwritten_recognition/python/README.md b/example/special/digit_handwritten_recognition/python/README.md index ed91cfb76f062be9553aad609594ba55614f7d3c..861ec192473f85dee95be85c7a6c2cafc658af9a 100644 --- a/example/special/digit_handwritten_recognition/python/README.md +++ b/example/special/digit_handwritten_recognition/python/README.md @@ -1,4 +1,4 @@ -

凌智视觉模块手写数字识别 Python 部署指南

+

凌智视觉模块手写数字分类 Python 部署指南

发布版本：V0.0.0 @@ -31,7 +31,7 @@ 接下来让我们基于 Python 来部署手写数字识别案例，在开始本章节前： -- 请确保你已经参考 [凌智视觉模块手写数字识别部署指南](../README.md) 正确下载了模型。 +- 请确保你已经参考 [凌智视觉模块手写数字分类部署指南](../README.md) 正确下载了模型。 - 请确保你已经参考 [凌智视觉模块摄像头部署指南](../../../periphery/capture/README.md) 正确下载了凌智视觉模块图片传输助手。 - 请确保你已经按照 [开发环境搭建指南](../../../../docs/introductory_tutorial/python_development_environment.md) 正确配置了开发环境。 diff --git a/example/special/flower_classfication/README.md b/example/special/flower_classfication/README.md index 0a875177c804b5fe25aa5022dcc837b92a63e565..941877587637e6542f8d7316eb122f166cfc8111 100644 --- a/example/special/flower_classfication/README.md +++ b/example/special/flower_classfication/README.md @@ -1,4 +1,4 @@ -

凌智视觉模块花卉分类识别部署指南

+

凌智视觉模块花卉分类部署指南

发布版本：V0.0.0 @@ -31,15 +31,17 @@ 花卉的种类繁多，为了应对花卉种类繁多带来的分类挑战，我们基于 [凌智视觉模块分类模型部署指南](../../vision/classification) 训练了凌智视觉模块专用的模型，该模型能够实现对五种常见花卉的精确分类，包括向日葵、蒲公英、雏菊、玫瑰和郁金香。 +- 注：为了帮助大家进行二次开发，我们已经在星河社区上开源了[基于凌智视觉模块的花卉分类数据集](https://aistudio.baidu.com/datasetdetail/304284) + ## 2 运行前的准备 -- 请确保你已经下载了 [凌智视觉模块花卉分类识别模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.2/LZ-Flower-Classfication.rknn) +- 请确保你已经下载了 [凌智视觉模块花卉分类模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.2/LZ-Flower-Classfication.rknn) ## 3 在凌智视觉模块上部署花卉分类识别案例 下载模型后，请参考以下教程使用 Python 在凌智视觉模块上部署分类模型例程： -- [凌智视觉模块花卉分类识别 Python 部署指南](./python) +- [凌智视觉模块花卉分类 Python 部署指南](./python) ## 4 模型性能指标 diff --git a/example/special/flower_classfication/python/README.md b/example/special/flower_classfication/python/README.md index 6c853b30d7c553e9dfa61a5e9e27dc80b8da7ad2..c23291c7a68bc994dcc45bb99c26c97526a02a24 100644 --- a/example/special/flower_classfication/python/README.md +++ b/example/special/flower_classfication/python/README.md @@ -1,4 +1,4 @@ -

凌智视觉模块花卉分类识别 Python 部署指南

+

凌智视觉模块花卉分类 Python 部署指南

发布版本：V0.0.0 @@ -31,7 +31,7 @@ 接下来让我们基于 Python 来部署花卉分类识别案例，在开始本章节前： -- 请确保你已经参考 [凌智视觉模块花卉分类识别部署指南](../README.md) 正确下载了模型。 +- 请确保你已经参考 [凌智视觉模块花卉分类部署指南](../README.md) 正确下载了模型。 - 请确保你已经参考 [凌智视觉模块摄像头部署指南](../../../periphery/capture/README.md) 正确下载了凌智视觉模块图片传输助手。 - 请确保你已经按照 [开发环境搭建指南](../../../../docs/introductory_tutorial/python_development_environment.md) 正确配置了开发环境。