墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
7.4k累计阅读
7.4k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
AI摘要
该博客详细介绍了如何在TDA4平台上实现YOLOV5目标检测模型的获取、转换和应用。首先，从TI官方提供的Edgeai-YoloV5库下载预训练模型，然后使用TIDLImporter工具将ONNX模型转换为TDA4支持的bin文件。接着，将转换后的bin文件拷贝到SD卡相应目录并配置app_tidl_oddemo应用，最后通过USB摄像头进行目标检测。此外，还提到了模型训练时的类别数据导入和EVM板上使用USB摄像头进行目标检测的步骤。
首先感谢阅读，如果您也对TDA4相关的开发感兴趣，我们这边有个学习交流微信群，可以入群和大家一起交流学习。
资历较浅，水平有限，如遇错误，请大家多指正！
保持开源精神，共同分享、进步！
博主WX ： AIR_12 我会拉你入群。
链接：TDA4 相关专栏 链接：TDA4 Demo Gitee开源库
欢迎大家加入，一起维护这个开源库，给更多的朋友提供帮助。
这篇博客，主要实现YOLOV5 目标检测相关的功能。上一篇博客实现了检测目标的标签属性的提取。大家有需要的可以参考一下。链接如下：
官方提供了一个yolov5的训练库，地址如下（原生的YOLOV5 无法直接转换，请知悉！！！因为有一些Layer TIDL 不支持）：
TI官方提供的 Edgeai-YoloV5
GitHub - TexasInstruments/edgeai-yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
原生YoloV5
YOLOv5 人体姿态估计 YOLO-Pose
YOLO-Pose: Enhancing YOLO for Multi Person Pose Estimation Using Object Keypoint Similarity Loss 论文：https://arxiv.org/abs/2204.06806 代码1（即将开源）： https://github.com/TexasInstruments/edgeai-yolov5 代码2（即将开源）：https://github.com/TexasInstruments/edgeai-yolox
(小白必看)详解yolov5训练自己的数据集 & 使用香烟数据集训练yolov5识别香烟
在YOLOv5根目录下创建mydata文件夹（名字可以自定义），目录结构如下，将之前labelImg标注好的xml文件和图片放到对应目录下mydata…images # 存放图片…xml # 存放图片对应的xml文件…
基于RTL8370N的8口千兆无管理交换机硬件设计
无管理交换机是局域网边缘接入的核心基础设备，其本质是通过硬件状态机实现MAC地址学习、线速转发与自动协商，无需软件配置即可完成即插即用组网。原理上依赖高度集成的PHY+交换矩阵单芯片（如RTL8370N），结合确定性硬件逻辑替代MCU固件，保障低延迟、高可靠与零运维。技术价值体现在成本压缩、体积精简与部署极简化，广泛应用于家庭网络扩展、工业现场设备联网及嵌入式系统桥接等场景。本文详解一款基于RTL8370N的紧凑型8端口千兆无管理交换机，覆盖芯片选型依据、PHY接口设计、电源与散热优化等关键工程实践。
手把手教你用LIO-SAM搞定激光雷达和IMU联合标定（附避坑指南）
本文详细介绍了使用LIO-SAM进行激光雷达与IMU联合标定的全流程，包括标定原理、工具选型、硬件配置、数据采集、LI_calib标定步骤及LIO-SAM集成验证。特别提供了避坑指南和参数优化技巧，帮助开发者高效完成传感器标定，提升自动驾驶和机器人定位精度。
【编号326】全国地灾数据全国25万多个地质灾害点空间分布数据
全国地质灾害点分布数据涵盖25万多个各类灾害点信息，为灾害防治提供重要依据。通过分析灾害分布规律，可识别高风险区，指导监测预警、应急避险和基础设施建设。多地成功案例（如湖北兴山崩塌避险、重庆长寿滑坡预警、湖南"挪床行动"）证明，提前预警和科学防治能有效避免人员伤亡。云南省2024年通过预警体系成功避让31起灾害，保护1342人生命安全。这些实践表明，地质灾害防治需结合科技手段与群防体系，实现早预警、早处置。
shopro 商城,2025年新申请的微信支付提示失败,支付提示 Get Wechat Public Cert Error 问题的修复办法
shopro 商城，最近新申请的微信支付商户 支付提示 Get Wechat Public Cert Error 问题的修复办法
基于STM32的Keil5代码自动补全设置操作指南
掌握Keil5代码自动补全设置技巧，提升STM32开发效率。通过合理配置编辑器选项，实现智能提示与语法补全，让嵌入式编程更流畅，尤其适合使用keil5代码自动补全设置的开发者快速上手。
iOS自动化之打包-xcodebuild命令行打包.app并安装到ios模拟器
xcode xcodebuild xcrun ios模拟器 iOS UI自动化测试 ios自动打包安装到ios模拟器
时间加强控制图，累计和控制图详细介绍，公式，计算 UCL,LCL,CL, sigma,C#实现
\(k\)：参考值（通常取为检测偏移量的一半，例如 \(k = \frac{\delta \sigma}{2}\)，\(\delta\)是希望检测的偏移量，\(\sigma\)是过程标准差）。- 示例中假设目标均值 \(\mu_0 = 10.0\)，标准差 \(\sigma = 0.5\)，参考值 \(k = 0.25\)（检测1σ偏移），控制限常数 \(h = 4\)。例如，若希望检测1个标准差的偏移（\(\delta = 1\)），则 \(k = 0.5\sigma\)。
机器人的“大脑”进化论：从专用控制器到高性能SoC的异构计算时代
摘要：随着AI与机器人技术融合，高性能芯片成为机器人智能化的关键。本文分析了机器人对芯片的核心需求，包括多模态数据处理、实时控制和智能决策能力。系统级芯片（SoC）因集成CPU、GPU/NPU等模块而成为主流选择。市场呈现分层格局：中低端设备（如扫地机器人）采用"MCU+轻量SoC"方案，满足基础功能；高端机器人则依赖"高性能SoC+独立GPU"处理复杂任务。除主控芯片外，完整的机器人系统还需传感器接口、驱动、通信等配套芯片。未来，芯片技术的进步将持续推动机器人智能化
SAP B1中文培訓教材_SDK
公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说
OV9734 DATASHEET，完整规格书
OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等
VB摄像头监控
该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
https://blog.youkuaiyun.com/AIRKernel/article/details/123922871?spm=1001.2014.3001.5501
1万+
扫一扫
