weixin_44845743的博客

YOLOv5 Lite在YOLOv5的基础上进行一系列消融实验，使其更轻（Flops更小，内存占用更低，参数更少），更快（加入shuffle channel，yolov5 head进行通道裁剪，在320的input_size至少能在树莓派4B上的推理速度可以达到10+FPS），更易部署（摘除Focus层和4次slice操作，让模型量化精度下降在可接受范围内）。

本节主要解决的问题是如何使用OpenCV中的dnn模块，用来导入一个实现训练好的目标检测网络。但是对opencv的版本是有要求的。Faster R-CNNs是最常听说的基于深度学习的神经网络了。然而，这种方法在技术上是很难懂的（尤其是对于深度学习新手），也难以实现，训练起来也是很困难。此外，即使是使用了“Faster”的方法实现R-CNNs（这里R表示候选区域Region Proposal），算法依然是比较慢的，大约是7FPS。

人体姿态估计（Human Posture Estimation），是通过将图片中已检测到的人体关键点正确的联系起来，从而估计人体姿态。人体关键点通常对应人体上有一定自由度的关节，比如颈、肩、肘、腕、腰、膝、踝等，如下图。

车牌识别我们这里使用的是HyperLPR3高性能开源中文车牌识别框架。支持快速部署WebApi服务、多种车牌以及双层车牌。支持大角度车牌识别，识别模型轻量。

人脸识别的最基础任务是“人脸检测”。你必须首先“捕捉”人脸才能在未来与捕捉到的新人脸对比时识别它，我们这里只提供了人脸检测的方法，有兴趣的同学可以自建分类器和自己的人脸数据集来进行名字识别。最常见的人脸检测方式是使用“Haar 级联分类器”。

通过红外遥控器控制小车。1.小车接线已安装，且安装正确2.红外遥控器。

前面我们利用四路巡线模块巡线，现在我们利用这个特性，用黑线将小车围起来，让小车一直在我们围的圈内运动。1.小车接线已安装，且安装正确2.调试四路巡线模块遇黑线时指示灯亮。不是黑线时指示灯灭。

前面我们分别学了通过超声波避障和四路巡线模块巡线，现在我们把这两个功能集合在一起，实现巡线的同时，超声波检测障碍物并且蜂鸣器鸣笛。1.小车接线已安装，且安装正确2.调试四路巡线模块遇黑线时指示灯亮。不是黑线时指示灯灭。

通过超声波模块与小车结合，实现小车超声波跟随。

通过超声波模块与小车结合，实现小车超声波避障。小车接线已安装，且安装正确。

通过四路巡线模块与小车结合，实现小车巡黑线。